为tensorflow/serving导出Keras LSTM而不带辍图层

我注意到，当使用tensorflow/serving docker容器部署Keras LSTM模型时，调用

model:predict

将为相同的输入返回不一致的值。
经过一些研究，似乎是辍学层导致了这个问题

---

导出/保存没有退出层的模型以使用tensorflow/serving服务的正确方法是什么？

没有必要修改退出层，您的行为是因为模型没有正确导出

在将模型导出为仅tensorflow格式之前，应将

学习阶段设置为零，这表明导出的模型应在推理/测试模式下工作：

import keras.backend as K
K.set_learning_phase(0)

如果未执行此操作，则导出的模型的行为就像在培训中一样，此时退出的模型将无法按预期工作。您可以在上找到更多详细信息。
您在哪里读到辍学层是问题所在？您是如何导出模型的？我使用
model.save（'/path/'）
导出了模型。我发现一些github问题，指出辍学层是潜在的罪魁祸首，并用一个没有辍学的模型进行了确认，该模型对相同的输入返回一致的预测。不，辍学只是一种症状，而不是原因，您可能没有通过使用K设置学习阶段来正确导出模型。set_learning_phase（0）如《有趣》中所述，我将尝试一下，谢谢@史努比博士，如果你把它作为答案，我可以接受。