Question

在Tensorflow中，我会有一个placeholder，以便我可以根据需要将其提供给网络：

self.dropout_keep_prob = tf.placeholder(tf.float32, name="dropout_keep_prob")

# ...

# Add dropout
with tf.name_scope("dropout"):
    self.h_drop = tf.nn.dropout(self.h_pool_flat, self.dropout_keep_prob)

但是，我不确定如何在Keras中这样做：

# in_dropout = tf.placeholder(tf.float32, name="dropout_keep_prob")
in_dropout = Input(shape=(1,), name='dropout')

# ..

# Add droppout
droput = Dropout(in_dropout)(max_pool) # This does not work of course

Answer 1

在keras Dropout层中，在训练和测试阶段表现不同，这只是在训练阶段才启用。

要在训练/测试阶段使用dropout，您必须使用keras后端的Lambda函数将Dropout图层替换为dropout图层。

from keras.layers.core import Lambda
from keras import backend as K

model.add(Lambda(lambda x: K.dropout(x, level=0.5)))

有关更多参考检查：here。

如何在训练后提供不同的Dropout p值？

1 个答案: