Tensorflow 培训后如何输入不同的辍学p值？

在Tensorflow中，我会有一个

占位符

，这样我可以根据需要将其提供给网络：

self.dropout\u keep\u prob=tf.placeholder（tf.float32，name=“dropout\u keep\u prob”）
# ...
#加辍学
使用tf.name_范围（“辍学”）：
self.h_drop=tf.nn.drop（self.h_pool_flat，self.drop_keep_prob）

但是，我不知道如何在Keras中做到这一点：

#in_dropout=tf.placeholder（tf.float32，name=“dropout\u keep\u prob”）
in_dropout=Input（shape=（1），name='dropout'）
# ..
#加滴管
辍学=辍学（in_Dropout）（max_pool）#这当然不起作用

在keras

中，退出层在培训和测试阶段表现不同，这是其在培训阶段唯一启用的层

要在整个培训/测试阶段使用辍学，您必须使用keras后端的
dropout
功能将辍学层替换为
Lambda
层

from keras.layers.core import Lambda
from keras import backend as K

model.add(Lambda(lambda x: K.dropout(x, level=0.5)))

更多参考资料请查阅：。
太棒了，谢谢。尽管它在文档中不知何故我不明白它实际上在测试时没有被使用。