人工智能面试题更新 2026-08-05
请解释PyTorch中model.eval()与torch.no_grad()各自的作用及适用场景，二者能否相互替代？
中科创达人工智能风险判断技术原理方案权衡PyTorch
考察说明
考察对PyTorch训练与推理模式切换及梯度控制机制的理解
回答思路
- 解释eval()切换模型层行为（如Dropout/BatchNorm）
- 解释no_grad()禁用梯度记录以减少内存和加速
- 说明二者关注点不同，通常推理时搭配使用但不可替换
- 能给出典型代码用法与注意事项
本题附完整参考答案与评分标准
登录后可查看结构化答题指导；也可以直接开一场模拟面试，AI 面试官用本题实时追问并给出评分。
