是的，最简单的方法是使用具有 training 参数的tf.layers.dropout，该参数可以是在任何特定会话运行中由 true 或 false 定义的张量：
mode = tf.placeholder(tf.string, name='mode')
training = tf.equal(mode, 'train')
...
layer = tf.layers.dropout(layer, rate=0.5, training=training)
...
with tf.Session() as sess:
sess.run(..., feed_dict={mode: 'train'}) # This turns on the dropout
sess.run(..., feed_dict={mode: 'test'}) # This turns off the dropout
1 回答
是的，最简单的方法是使用具有
training参数的tf.layers.dropout，该参数可以是在任何特定会话运行中由true或false定义的张量：