https://www.tensorflow.org/api_docs/python/tf/layers/dropout
ольно новичок в Tensorflow и ML в целом, поэтому я прошу прощения за (вероятный) тривиальный вопрос.
Я использую метод отсева для повышения скорости обучения в моей сети, и, похоже, он работает отлично. Затем я хотел бы проверить сеть на некоторых данных, чтобы увидеть, работает ли она так:
def Ask(self, image):
return self.session.run(self.model, feed_dict = {self.inputPh: image})
Очевидно, он каждый раз дает разные результаты, так как отсев все еще на месте. Одно из решений, которое я могу придумать, - это создать две отдельные модели - одну для обучения, а другую для фактического последующего использования сети, однако такое решение мне кажется непрактичным.
Какой общий подход к решению этой проблемы?