Python 如果退出率大于等于，则尝试仅构造DropOutRapper操作时出错；使用tf.cond（）的0

为了查看它是否使我的模型的训练更有效，我尝试仅在指定的

dropoutrapper

退出率大于0时调用TensorFlow的

dropoutrapper

操作（而不是创建操作，而不是实际添加任何退出）。我还尝试将L2正则化添加到我的损失值中，以实现同样的效果-如果

L2_alpha

乘数值大于零，则仅执行计算L2惩罚的方法

以下是我如何为辍学学生实现这一目标的：

layers = []
for layer_size in self.hidden_sizes:
    cell = self.cell_type(layer_size)
    cell = tf.cond(
        self.dropout_rate > 0.0,
        lambda: tensorflow.contrib.rnn.DropoutWrapper(cell, output_keep_prob=(1.0 - self.dropout_rate)),
        lambda: cell
    )
    layers.append(cell)
stacked_layers = tensorflow.contrib.rnn.MultiRNNCell(layers)

这将抛出错误：

`TypeError: Failed to convert object of type <class 'tensorflow.python.ops.rnn_cell_impl.DropoutWrapper'> to Tensor. Contents: <tensorflow.python.ops.rnn_cell_impl.DropoutWrapper object at 0x7fa51b84bbe0>. Consider casting elements to a supported type.`

`TypeError:无法将类型的对象转换为Tensor。目录：。将铸造元素考虑为支持类型。

---

是否有一种方法可以使用

tf.cond（）

或任何其他方法来实现这一点？

是否

self.dropout\u rate

是由其他过程（如贝叶斯优化或退火）计算的变量？如果不是，那么为什么不直接使用普通If。。。其他的如果确实是这样，我想说实际上不太可能达到0，对吗？

辍学率

是一个占位符，因此在会话启动之前不会填充值。如果……否则。。。需要在创建图表时进行评估。它的要点是在训练中应用辍学，而不是在预测时间。我将查看

dropoutrapper

源代码-也许它会检查值是否为0并立即返回。问题是，您正在将dropoutrapper类型的对象添加到层列表中，同时需要dropoutrapper调用的结果。如果你有输入到层的占位符，只需做

tensorflow.contrib.rnn.dropoutrapper（单元格，输出保持概率=（1.0-self.dropout\u rate））（输入）

@KOB不幸的是，源代码说如果dropout\u rate不是

float

，它就会做dropout。我认为，由于

tf.cond

中的

fn（）

必须是张量，因此您也可以初始化

dropoutrapper

单元格（它是类）（只需给它一个不同的名称，例如，

cell\u drop

，或输入op字典）。原因是类的初始化不需要太多计算资源，只有

\uuuu调用

需要。因此，当应用单元格时，可以执行类似于

outputs=tf.cond（self.dropout\u rate>0.0、cell\u drop.apply（输入）、cell.apply（输入））的操作。

。