使用具有张量流的BatchNorm层训练Keras模型

Question

我使用keras来构建模型，并在tensorflow中编写优化代码和所有其他代码。 当我使用像Dense或Conv2D这样的非常简单的层时，一切都很简单。 但是将BatchNormalization图层添加到我的keras模型中会使问题变得复杂。

由于BatchNormalization层在训练阶段和测试阶段表现不同，我想通了，我需要K.learning_phase（）：真正的在我的feed_dict。 但是下面的代码效果不好。 它运行没有错误，但模型的性能没有变得更好。

import keras.backend as K
...
x_train, y_train = get_data()
sess.run(train_op, feed_dict={x:x_train, y:y_train, K.learning_phase():True})

当我尝试使用keras 拟合函数训练keras模型时，它运行良好。

如何在tensorflow中使用BatchNormalization图层训练keras模型？

Answer 1

其实我复制了这个我没见过的问题。

我在这里找到了答案，它只是将一个特殊参数传递给BatchNormalization图层调用