训练了一个网络，训练时的测试结果很好。但是保存模型后，测试结果就很差。
仔细检查后发现，测试时把model.eval() 改为model.train(), 效果就好了。肯定是batchnormalization 造成的。
为什么在训练时，结果正常呢？因为训练的时候，momentum 的默认参数是0.1. 观察如下两个式子。
moving_mean = momentum * moving_mean + (1.0 - momentum) * mean
moving_var = momentum * moving_var + (1.0 - momentum) * var
我们可以知道，训练时的均值受到历史值的影响比例只有0.1，而测试时，直接采用了历史值。所以这可能是造成问题的原因。