如何解释tf.layers.dropout training arg

Question

tf.layers.dropout() training arg的文档对我来说并不清楚。

documentation州：

training: Either a Python boolean, or a TensorFlow boolean scalar tensor
      (e.g. a placeholder). Whether to return the output in training mode
      (apply dropout) or in inference mode (return the input untouched).

我的解释是，取决于training = True或training = False是否会应用退出。但是，我不清楚True或False是否会应用辍学（即处于培训模式）。鉴于这是一个可选参数，我预计tf.layers.dropout（）将默认应用，但默认值为False，直觉training=False表示默认值不是训练。

看来为了实际应用tf.layers.dropout（），需要这样的东西：

tf.layers.dropout(input, 0.5, training = mode == Modes.TRAIN)

对于我来说，这对我来说并不是很明显，因为training是一个可选参数。

这似乎是tf.layers.dropout的正确实现吗？为什么training标志不会自动绑定到Modes.TRAIN作为默认值，然后需要针对其他情况进行调整？默认为training=False似乎非常具有误导性

Answer 1

您对dropout()及其training参数的解释是正确的。但是，您建议的自动Modes.TRAIN检查是不可能的。模式通常与estimator model_fn()绑定为可选参数。估计器构成了更高级别的抽象，在TensorFlow模型中不是必需的。

至于为什么TensorFlow使用false默认值设计他们的API，我们只能推测。解释是layers抽象作为一个整体意图默认为推理模式，从而解释dropout() training默认值。