python - 如何在Tensorflow中关闭辍学测试？

一般来说，我对Tensorflow和ML还是比较陌生，因此我对一个(可能)琐碎的问题表示歉意。

我使用辍学技术来提高网络的学习速度，并且看起来工作得很好。然后，我想在一些数据上测试网络，看它是否像这样工作:

   def Ask(self, image):
        return self.session.run(self.model, feed_dict = {self.inputPh: image})

显然，由于辍学仍然存在，每次产生不同的结果。我能想到的一种解决方案是创建两个单独的模型-一个用于训练，另一个用于实际以后使用网络，但是，这种解决方案对我来说似乎不切实际。

解决此问题的常用方法是什么？

最佳答案

最简单的方法是使用 keep_prob 更改placeholder_with_default参数:

prob = tf.placeholder_with_default(1.0, shape=())
layer = tf.nn.dropout(layer, prob)

这样，当您训练时，可以像这样设置参数:

sess.run(train_step, feed_dict={prob: 0.5})

评估时使用默认值1.0。

关于python - 如何在Tensorflow中关闭辍学测试？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/44971349/