학습 모드와 평가 모드
model.train()과 model.eval()의 차이를 알아봅니다
학습 모드와 평가 모드은(는) CoddyKit의 무료 Deep Learning Academy 강의입니다. 이것은 4개 중 4번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 Deep Learning Academy 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. Deep Learning Academy 강의에는 총 4개의 강의가 포함되어 있습니다.
이 강의의 일부는 아직 번역되지 않았으며 영어로 표시됩니다.
A Model Has Two Faces
Your network behaves differently while learning than while being tested. PyTorch calls these two states train mode and eval mode. 🎭
Flip Into Train Mode
Before training you call model.train. This tells every layer to behave the way it should while the model is actively learning from data.
model.train()Flip Into Eval Mode
Before validating or predicting you call model.eval. Now the network switches to its steady, deterministic behavior for honest measurement.
model.eval()Dropout Cares
Dropout randomly zeros neurons during training to prevent overfitting. In eval mode it turns fully off so every neuron contributes to the prediction.
Batch Norm Cares Too
Batch norm uses each batch's statistics while training but switches to stored running averages at eval time for stable, consistent outputs.
It Is Only a Switch
These calls do not train or test anything by themselves. They simply flip a flag that tells dropout and norm layers which behavior to use.
Eval Is Not no_grad
A common mix-up: eval changes layer behavior, while no_grad stops gradient tracking. They solve different problems, so you usually use both together.
model.eval()
with torch.no_grad():
pred = model(x)Forgetting eval Hurts
If you validate without eval, dropout and batch norm keep their training behavior. Your scores turn noisy and look worse than the model really is.
Forgetting train Hurts
The reverse bites too: leave the model in eval and dropout never activates, so its regularization silently vanishes during training.
Build It Into the Loop
Make the switch a habit: set train before the training pass and eval before validation, every single epoch, so the model never stays in the wrong mode.
for epoch in range(epochs):
model.train()
# ... train ...
model.eval()
# ... validate ...Small Call, Big Effect
Two tiny calls, yet they decide whether your metrics are trustworthy. Treat the mode switch as a non-negotiable part of every loop.
Quick Check
What does calling model.eval() actually change?
Recap
You learned the two modes: train activates dropout and batch stats, eval makes them deterministic. Switch every epoch and pair eval with no_grad. 🎉
AI 튜터와 함께 Python을(를) 배우세요 — 무료
브라우저에서 실제 코드를 작성하고 실행하며, 24/7 AI 튜터로부터 즉각적인 도움을 받고, 웹이나 앱에서 중단한 부분부터 계속 학습하세요.
- 코스
- 30
- 레슨
- 120
자주 묻는 질문
“학습 모드와 평가 모드” 강의는 무료인가요?
네 — “학습 모드와 평가 모드” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 Deep Learning Academy 강의 전체를 잠금 해제할 수 있습니다. Deep Learning Academy 강의에는 총 4개의 강의가 포함되어 있습니다.
“학습 모드와 평가 모드”에서 뭘 배우나요?
model.train()과 model.eval()의 차이를 알아봅니다 브라우저에서 직접 실행하는 실습 코드로 Deep Learning Academy을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.
Deep Learning Academy을(를) 시작하는 데 경험이 필요한가요?
사전 경험은 필요하지 않습니다. CoddyKit의 Deep Learning Academy은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 4번째 강의입니다.
“학습 모드와 평가 모드” 강의는 얼마나 걸리나요?
대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.
이 Deep Learning Academy 강의에서 코드를 작성하고 실행할 수 있나요?
네. 모든 Deep Learning Academy 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.
이 강의의 모든 강의
- 순전파, 손실, 역전파, 갱신
- 최소 학습 반복 과정 작성하기
- 학습 중 정확도 추적하기
- 학습 모드와 평가 모드