飞桨2.0rc高级API在使用model.fit的时候，准确率acc显示不正确 #28673
Description
-
版本、环境信息：
1）PaddlePaddle版本：2.0rc
2）CPU：i5 6600k
3）GPU：GTX 1660 super CUDA10.2
4）系统环境：windows10, ubuntu18.04 -
训练信息
1）单机
2）显存 6G -
复现信息：
import paddle
print(paddle.__version__)
train_dataset = paddle.vision.datasets.Cifar10(mode='train')
val_dataset = paddle.vision.datasets.Cifar10(mode='test')
mnist = paddle.vision.models.resnet18(num_classes=10)
# 预计模型结构生成模型实例，便于进行后续的配置、训练和验证
model = paddle.Model(mnist)
# 模型训练相关配置，准备损失计算方法，优化器和精度计算方法
model.prepare(paddle.optimizer.Adam(parameters=mnist.parameters()),
paddle.nn.CrossEntropyLoss(),
paddle.metric.Accuracy())
# 开始模型训练
model.fit(train_dataset,
epochs=5,
batch_size=128,
verbose=1
)
print(model.evaluate(val_dataset,batch_size=1, verbose=1))
输出
2.0.0-rc0
W1117 13:59:02.444118 9196 device_context.cc:338] Please NOTE: device: 0, CUDA Capability: 75, Driver API Version: 10.2, Runtime API Version: 10.2
W1117 13:59:02.722856 9196 device_context.cc:346] device: 0, cuDNN Version: 7.6.
Epoch 1/5
D:\Anaconda3\anaconda\lib\site-packages\paddle\fluid\layers\utils.py:77: DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated, and in 3.8 it will stop working
return (isinstance(seq, collections.Sequence) and
D:\Anaconda3\anaconda\lib\site-packages\paddle\nn\layer\norm.py:637: UserWarning: When training, we now always track global mean and variance.
"When training, we now always track global mean and variance.")
step 391/391 [==============================] - loss: 1.2710 - acc: 0.1015 - 52ms/step
Epoch 2/5
step 391/391 [==============================] - loss: 0.9901 - acc: 0.1022 - 53ms/step
Epoch 3/5
step 391/391 [==============================] - loss: 1.0232 - acc: 0.1033 - 51ms/step
Epoch 4/5
step 391/391 [==============================] - loss: 0.7586 - acc: 0.1037 - 53ms/step
Epoch 5/5
step 391/391 [==============================] - loss: 0.5976 - acc: 0.1037 - 51ms/step
Eval begin...
step 10000/10000 [==============================] - loss: 0.0107 - acc: 0.6796 - 11ms/step
Eval samples: 10000
{'loss': [0.010651758], 'acc': 0.6796}
- 问题描述： 在使用resnet18训练cifar10分类的过程中，发现fit过程中，输出的acc一直是10%左右（不正常），在最后验证的时候，acc显示67% （正常）。出问题的原因在于batch_size, 当batch_size不等于1的时候 ，acc显示不正常； 当batch_size=1的时候，acc现在正常。
通过上面的代码可以复现问题，已经有同学也发现了这个问题。