带有 is_training True 和 False 的 Tensorflow (tf-slim) 模型

Question

我想在训练集( is_training=True )和验证集( is_training=False )上运行给定的模型，特别是如何 dropout被申请;被应用。现在 prebuilt models公开一个参数 is_training已通过 dropout构建网络时的层。问题是如果我使用不同的值 is_training 调用该方法两次，我会得到两个不共享权重的不同网络(我认为？)。我如何让两个网络共享相同的权重，以便我可以运行我在验证集上训练过的网络？

Answer 1

我用您的评论写了一个解决方案，以在训练和测试模式下使用 Overfeat。 (我无法测试它所以你可以检查它是否有效？)

首先是一些导入和参数:

import tensorflow as tf
slim = tf.contrib.slim
overfeat = tf.contrib.slim.nets.overfeat

batch_size = 32
inputs = tf.placeholder(tf.float32, [batch_size, 231, 231, 3])
dropout_keep_prob = 0.5
num_classes = 1000

在训练模式下，我们通过一个 正常范围到函数 overfeat :

scope = 'overfeat'
is_training = True

output = overfeat.overfeat(inputs, num_classes, is_training,         
                           dropout_keep_prob, scope=scope)

然后在测试模式下，我们创建相同的范围，但使用 reuse=True .

scope = tf.VariableScope(reuse=True, name='overfeat')
is_training = False

output = overfeat.overfeat(inputs, num_classes, is_training,         
                           dropout_keep_prob, scope=scope)