Tensorflow “Keras误差”；必须为占位符张量'；双向学习阶段'；使用数据类型bool“；

下面的代码段出现以下错误：

必须为占位符张量输入一个值 “双向学习1/keras学习阶段”，数据类型为bool

如果我添加dropout层

model.add（dropout（dropout））

，它会工作。有人知道为什么吗？后端是Tensorflow，Keras 2.0.1

def prep_model1(embedding_layer1, embedding_layer2, dropout=0.5):

    model0 = Sequential()  
    model0.add(embedding_layer1)
    model0.add(Bidirectional(LSTM(128, return_sequences=False, dropout=dropout)))

    model1 = Sequential() 
    model1.add(embedding_layer2)
    model1.add(Bidirectional(LSTM(128, return_sequences=False, dropout=dropout)))

    model = Sequential()
    model.add(Merge([model0, model1], mode='concat', concat_axis=1))
    #model.add(Dropout(dropout))
    model.add(Dense(1, activation='sigmoid'))

    return model

---

尝试导入K并在模型之前设置学习阶段

from keras import backend as K

K.set_learning_phase(1) #set learning phase

---

From

重要提示：在构建模型之前使用它。同样适用于BatchNorm。声明：“学习阶段”是一个标志，表示培训/推理。当使用例如

fit

时设置为1，当使用例如

predict

时设置为0<代码>K。设置学习阶段（错误）将“学习阶段”设置为始终为0，即

fit

将使模型在推理模式下运行（例如，无辍学和BatchNorm行为设置为推理）。