项目场景：

在使用DAGAN时，组测试和单张图片测试有较大差别。

问题描述：

在训练和测试时都是用了如下代码：

# train
	generator=UNet()

# test
	generator=UNet()

原因分析：

网络中定义了BN层，BN层在训练过程中，会将一个Batch的中的数据转变成正太分布，在推理过程中使用训练过程中的参数对数据进行处理，然而网络并不知道你是在训练还是测试阶段。

解决方案：

更改后

# train
	generator=UNet().train()

# test
	generator=UNet().eval()

成功！飒爽下班！！

新问题：

在torch.no_gard下面，用model.eval()会影响下一个epoch的loss。
非常奇怪，问题待解决。

参考

感谢大佬们的经验：

https://blog.csdn.net/weixin_40100431/article/details/84349470
https://blog.csdn.net/iammelon/article/details/89928531

BN类的定义见pytorch中文参考文档：
https://pytorch-cn.readthedocs.io/zh/latest/package_references/torch-nn/