如何在Tensorflow中关闭测试时的Dropout？

我对Tensorflow和机器学习的了解还不多，所以请原谅我可能问了一个简单的问题。

我使用了Dropout技术来提高网络的学习速度，看起来效果不错。接着，我想在一些数据上测试网络，看看它是否能正常工作，像这样：

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

显然，每次运行结果都不同，因为Dropout仍然在起作用。我想到的一个解决方案是创建两个独立的模型——一个用于训练，另一个用于网络的实际后续使用，但这种解决方案对我来说似乎不太实用。

解决这个问题的一般方法是什么？

回答：

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

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

这样在训练时你可以这样设置参数：

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

而在评估时会使用默认值1.0。

学技术