model.train()告诉模型您正在训练模型。因此，在培训和测试过程中表现不同的有效层（例如辍学，batchnorm等）可以知道发生了什么，因此可以相应地表现。

更多详细信息：它设置训练模式（请参阅源代码 ）。您可以调用model.eval()或model.train(mode=False)来告诉您正在测试。期望train功能能够训练模型有点直观，但是并不能做到这一点。它只是设置模式。

这是module.train()的代码：

def train(self, mode=True):
        r"""Sets the module in training mode."""      
        self.training = mode
        for module in self.children():
            module.train(mode)
        return self

这是module.eval 。

def eval(self):
        r"""Sets the module in evaluation mode."""
        return self.train(False)

模式train和eval是我们可以在其中设置模块的仅有的两种模式，它们是完全相反的。

那只是一个self.training标志，目前只有 辍学和bachnorm关心那个标志。

默认情况下，此标志设置为True 。

有两种方法可以让模型知道您的意图，即您要训练模型还是要使用模型进行评估。在使用model.train（）的情况下，模型知道必须学习层，并且当我们使用model.eval（）时，它指示模型没有新知识要学习，并且该模型用于测试。 model.eval（）也是必需的，因为在pytorch中，如果我们使用batchnorm，而在测试过程中，如果我们只想传递单个图像，则如果未指定model.eval（），则pytorch会引发错误。