使用具有張量流的BatchNorm層訓練Keras模型

Question

我使用keras來構建模型，並在tensorflow中編寫優化代碼和所有其他代碼。 當我使用像Dense或Conv2D這樣的非常簡單的層時，一切都很簡單。 但是將BatchNormalization圖層添加到我的keras模型中會使問題變得復雜。

由於BatchNormalization層在訓練階段和測試階段表現不同，我想通了，我需要K.learning_phase（）：真正的在我的feed_dict。 但是下面的代碼效果不好。 它運行沒有錯誤，但模型的性能沒有變得更好。

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})

當我嘗試使用keras 擬合函數訓練keras模型時，它運行良好。

如何在tensorflow中使用BatchNormalization圖層訓練keras模型？

Answer 1

其實我復制了這個我沒見過的問題。

我在這里找到了答案，它只是將一個特殊參數傳遞給BatchNormalization圖層調用