Python 如何知道在使用keras dropout层后删除了哪个节点

显然，在CNN模型的退出层，我们在bernoulli的基础上删除了一些节点。但如何验证，即如何检查未选择哪个节点。在DropConnect中，我们留下了一些权重，因此我认为借助于

model.get_weights（）

我们可以验证，但在dropout层的情况下如何验证

model=Sequential（）
add（Conv2D（2，内核大小=（3,3），
激活='relu'，
输入形状=输入形状）
添加（Conv2D（4，（3，3），activation='relu'））
add（MaxPooling2D（池大小=（2,2）））
模型。添加（辍学率（0.25））
model.add（展平（））
model.add（密集（8，activation='relu'））
模型。添加（辍学率（0.5））
添加（密集（num_类，activation='softmax'））
model.compile（loss=keras.loss.binary_交叉熵，
optimizer=keras.optimizers.Adadelta（），
指标=[‘准确度’]）

---

另一个问题是，其中提到辍学率应该浮动，从0到1。但对于上面的模型，当我取辍学率=1.25，那么我的模型也在工作，这是怎么发生的

关于第二个问题，如果您看到，在

调用

方法表单

退出

类中：

def call(self, inputs, training=None):
    if 0. < self.rate < 1.:
        noise_shape = self._get_noise_shape(inputs)

        def dropped_inputs():
            return K.dropout(inputs, self.rate, noise_shape,
                             seed=self.seed)
        return K.in_train_phase(dropped_inputs, inputs,
                                training=training)
    return inputs

def调用（自身、输入、培训=无）：
如果为0自我评价率<1:
噪声形状=自身。获取噪声形状（输入）
def丢弃的_输入（）
返回K.衰减（输入、自速率、噪声形状、，
种子（seed=self.seed）
返回K.在列车相位（下降的输入、输入、，
培训=培训）
返回输入

---

这意味着如果

速率
不在0和1之间，它将不起任何作用。
请提供答案为什么需要检查它？好的，知道了，它没有给出错误，但它不会起任何作用。我想检查一下，为了更好地理解cnn模型，并向学生展示。