问题五：了解python生成器和迭代器吗

（1）迭代器
在这说「迭代器」的原因是「生成器」自动实现了「迭代器协议」，所谓协议，就是一种约定。为了更好的理解生成器，我们需要简单知道一下「迭代器协议」到底是个什么东西。其实只需要满足两个两个条件：1.实现 iter 方法；2.对象实现 next() 方法，要么返回迭代中的下一项，要么就是以 StopIteration 异常终止迭代。

（2）生成器
Python 使用生成器对「延迟操作」提供了支持，所谓「延迟操作」就是在需要它的时候才产生结果，而不是说立即产生结果。

生成器函数
「生成器函数」和普通的函数定义类似。区别在于普通函数使用 return 返回结果，生成器函数是用 yield 返回结果

题目七： model.train() VS model.eval()

（1）model.train()
启用 Batch Normalization 和 Dropout。
如果模型中有BN层(Batch Normalization）和Dropout，需要在训练时添加model.train()。model.train()是保证BN层能够用到每一批数据的均值和方差。对于Dropout，model.train()是随机取一部分网络连接来训练更新参数
（2）model.eval()
不启用 Batch Normalization 和 Dropout。
如果模型中有BN层(Batch Normalization）和Dropout，在测试时添加model.eval()。model.eval()是保证BN层能够用全部训练数据的均值和方差，即测试过程中要保证BN层的均值和方差不变。对于Dropout，model.eval()是利用到了所有网络连接，即不进行随机舍弃神经元