Tensorboard 和 Dropout 层答案

【问题标题】：Tensorboard and Dropout LayersTensorboard 和 Dropout 层
【发布时间】：2018-02-25 19:41:30
【问题描述】：

我有一个非常基本的查询。我制作了 4 个几乎相同（不同是输入形状）的 CNN，并在连接到全连接层的前馈网络时将它们合并。

几乎相同的 CNN 的代码：

model3 = Sequential()
model3.add(Convolution2D(32, (3, 3), activation='relu', padding='same', 
                                     input_shape=(batch_size[3], seq_len, channels)))
model3.add(MaxPooling2D(pool_size=(2, 2)))
model3.add(Dropout(0.1))
model3.add(Convolution2D(64, (3, 3), activation='relu', padding='same'))
model3.add(MaxPooling2D(pool_size=(2, 2)))
model3.add(Flatten())

但是在张量板上我看到所有的 Dropout 层都是相互连接的，并且 Dropout1 的颜色与 Dropout2、3、4 等颜色不同，它们都是相同的颜色。

【问题讨论】：

你能说明你是如何连接它们的吗？
所有层都使用 miodel.add 函数连接，如上面的代码所示。

标签： tensorflow merge keras dropout

【解决方案1】：

我知道这是一个老问题，但我自己也有同样的问题，现在我才意识到发生了什么

只有在我们训练模型时才会应用 Dropout。这应该在我们评估/预测时停用。为此，keras 创建了一个learning_phase 占位符，如果我们正在训练模型，则设置为1.0。此占位符在您创建的第一个 Dropout 层内创建，并在所有层之间共享。这就是你所看到的！

【讨论】：