测试/训练阶段 Dropout 层的行为
Behavior of Dropout layers in test / training phase
根据 Keras 文档，dropout 层在训练和测试阶段表现出不同的行为：
Note that if your model has a different behavior in training and
testing phase (e.g. if it uses Dropout, BatchNormalization, etc.), you
will need to pass the learning phase flag to your function:
不幸的是，没有人谈论实际的差异。为什么辍学在测试阶段会有不同的表现？我希望该层将一定数量的神经元设置为 0。为什么这种行为取决于 training/test 阶段？
训练阶段使用Dropout来降低过拟合的几率。正如你提到的，这一层会停用某些神经元。该模型将变得对其他节点的权重更加不敏感。基本上，使用 dropout 层后，经过训练的模型将是许多细化模型的平均值。查看更详细的解释here
但是，在应用经过训练的模型时，您希望使用模型的全部功能。您想使用经过训练的（平均）网络中的所有神经元来获得最高准确度。
根据 Keras 文档，dropout 层在训练和测试阶段表现出不同的行为：
Note that if your model has a different behavior in training and testing phase (e.g. if it uses Dropout, BatchNormalization, etc.), you will need to pass the learning phase flag to your function:
不幸的是，没有人谈论实际的差异。为什么辍学在测试阶段会有不同的表现？我希望该层将一定数量的神经元设置为 0。为什么这种行为取决于 training/test 阶段？
训练阶段使用Dropout来降低过拟合的几率。正如你提到的，这一层会停用某些神经元。该模型将变得对其他节点的权重更加不敏感。基本上，使用 dropout 层后，经过训练的模型将是许多细化模型的平均值。查看更详细的解释here
但是，在应用经过训练的模型时，您希望使用模型的全部功能。您想使用经过训练的（平均）网络中的所有神经元来获得最高准确度。