Python 在tf.nn.rnn\u cell.MultiRNNCell中使用调用方法时，我是否可以更改退出率

下面是我如何定义MultiRNNCell的：

    n_lstm_cells = [tf.contrib.rnn.DropoutWrapper(tf.contrib.rnn.LSTMCell(hs),
                                                  output_keep_prob=1-dropout_ph,
                                                  variational_recurrent=True,
                                                  dtype=tf.float32) for hs in n_layer_sizes]
    n_multi_rnn_cell = tf.nn.rnn_cell.MultiRNNCell(n_lstm_cells)
    self.n_multi_rnn_cell = n_multi_rnn_cell

辍学者是一名plcaeholder。
当我在MultirnCell中使用
call
方法时，我可以更改辍学率吗？
以下是我在预测时如何使用call方法的示例：

note_output, new_state = self.n_multi_rnn_cell.call(inputs=indata,state=hidden)

我这样做而不是仅仅使用
tf.nn.dynamic\u rnn（）
的原因是，在预测时，我需要每个步骤的输出，然后将此输出馈送到另一个rnn结构，以获得最终输出，作为
self.n\u multi\n\u cell
下一步的输入。在这个过程中，它还包括一些我自己定义的其他操作。我使用
tf.scan（）
进行循环。

是否有一种方法可以将辍学率作为
调用
方法的输入之一？
我通过创建另一个在特定
tf.variable\u范围内具有共享（重用）权重的MultilRNCell来解决这个问题。当使用call方法时，我们需要将
tf.variable\u scope
指定给
'[您的作用域]/rnn/multi\u rnn\u cell'