使用 Tensorflow keras.Sequential() 在預測期間激活 dropout

Question

我使用 Tensorflow 2.0 與 Keras 和Sequential() API 來創建一個簡單的模型：

def create_model():
    model = keras.Sequential([
        keras.layers.Flatten(input_shape=(8,8)),
        keras.layers.Dense(32, activation="relu"),
        keras.layers.Dropout(DROPOUT_RATE),
        keras.layers.Dense(16, activation="relu"),
        keras.layers.Dropout(DROPOUT_RATE),
        keras.layers.Dense(2, activation="softmax")
    ])

    model.compile(optimizer="adam",
                  loss="sparse_categorical_crossentropy",
                  metrics=["accuracy"])
    return model

my_model = create_model()

如何在預測期間激活輟學率？ 在預測過程中是否可以使用不同的輟學率？

Answer 1

在 TF 2 中，您可能正在使用 Eager 模式，對嗎？

您可以簡單地：

outputs = my_model(numpy_inputs, training=True)
#maybe you need also:
outputs = outputs.numpy() 

至於更改費率，您需要關注@sxeros 鏈接。