今天学习pytorch，发现模型中间加了一层dropout层：

x = F.dropout(x, training=self.training)

大家知道，dropout层的作用就是将前面一层神经元的元素以一定概率置为0，减少模型对于某些特征的依赖，提高模型的泛化性。这个training=self.training是啥意思呢。要知道我们的模型都是继承自nn.Module类，这个类在训练的时候会使得self.training为true，此时我们就正常使用dropout，而在测试的时候，self.training为false，此时关闭dropout层。

那我们怎么改变模型的状态呢，我们咋知道模型处于训练状态还是测试状态呢，这里就需要用到两个函数：train()和eval()
假设说我们new的模型叫model，那么我们训练和测试应该是这样的：

model.train()  #模型处于训练状态
训练代码…………

model.eval() #模型处于测试状态
测试代码…………