Python 在使用keras时，BN层如何在DCGAN中工作？

我使用版本为2.2.4的keras在CelebA数据集上训练DCGAN。我对keras功能API实现感到困惑，比如DCGAN体系结构中的BN层的预测

在训练期间，我需要使用生成器.predict（noise）来获得一些假图像，用于鉴别器训练。我需要在训练期间抽取样本，以显示网络是否在使用生成器.predict（noise）进行改进我也知道，在鉴别器训练过程中，生成器生成的假图像应该在训练模式下通过生成器中的BN层，当从生成器中提取样本时，该方法应在测试模式下进行。因为我在这两种情况下都使用了预测方法，我想知道如何确保训练和测试模式在该方法中正确使用。任何人都可以告诉我是否完成了训练，当我使用预测方法时，BN层处于哪种模式。谢谢

在一次迭代中，代码如下所示：

noise=np.random.normal（0，1，size=（批处理大小，噪声大小））
假批=生成器。预测（噪声）#BN层是否处于训练模式？
real\u batch=数据加载程序。加载数据（批大小）
#列车鉴别器
鉴别器。批量训练（真实批量，np.批量（批量大小）*0.9）
鉴别器。批量训练（假批量，np.零（批量大小））
#列车发电机
鉴别器.trainable=False
noise=np.random.normal（0，1，size=（批大小，noise\u dims））
组合模型。批量培训（噪音，np.ONE（批量大小））
#组合_模型由模型（噪声、鉴别器（发生器（噪声））建立）
#我还想知道这个生成器和鉴别器调用是否处于训练模式
如果iter%sample_interval==0：
noise=np.random.normal（0，1，size=（样本大小，噪声大小））
发电机（噪声）
#BN层是否在测试模式下运行？

想知道我对DCGAN中BN层的理解是否正确，以及keras中的预测方法如何处理BN或辍学中的培训或测试模式。最后，如果可能，如何在使用keras时手动控制DCGAN培训中的模式（设置学习阶段？）