Tensorflow 在Keras中的神经网络部分实现随机正向传递？

我的问题如下：

我正在处理一个对象检测问题，希望使用。对象由一个训练模型和一个围绕训练模型的预测模型组成。我想使用训练模型执行几次随机向前传递，并将其结合起来，例如，通过平均预测包装中的预测值。有没有一种方法可以在keras模型中实现这一点，而不需要使用numpy进行中间处理？ 请注意，这个问题不是关于

def预测_包装器（型号）：
#示例代码。
#论据
#模式：培训模式
回归=模型。输出[0]
分类=模型输出[1]
预测=#待办事项：在此处执行几次随机向前传球（在训练和测试期间中途退出）
avg#U预测=#TODO：在此处组合预测，例如通过计算平均值
输出=#TODO：对平均预测值进行一些处理
返回keras.models.Model（输入=Model.inputs，输出=outputs，name=name）

我使用带有tensorflow后端的keras。

---

谢谢你的帮助

据我所知，您试图在启用退出时平均单个样本的权重更新。由于辍学是随机的，所以对于同一个样本，您将获得不同的权重更新

如果这种理解是正确的，那么您可以通过复制相同的样本来创建一个批。在这里，我假设每批样品的辍学率是不同的。由于反向传播会平均权重更新，因此您将获得所需的行为

---

如果这不起作用，那么您可以编写一个定制的批处理大小为1的训练。您可以更新自定义损耗函数中的全局计数器，并仅在按您希望的方式对其进行平均后返回非零损耗。我不知道这是否行得通，这只是一个想法。

这个想法是在训练期间使用标准辍学率，因此不需要平均体重更新。然后，在测试时，仍然使用辍学，我执行了几次前向传递，以获得不同输出的样本（其中随机性是由不同的辍学掩码引起的）。复制输入的想法可能会奏效，我们将对此进行研究。谢谢你的回复。