使用TFlite启用Dropout
使用TFlite启用Dropout
提问于 2021-10-05 14:31:47
我在Keras用Dropout训练了一个密集的、完全连接的神经网络，现在我想用TFlite来部署它。为了对模型中的行为进行抽样，我们在预测时间内保持丢失(我们使用该模型来优化一个上下文多武装匪徒)：
prediction = model(X, training=True)
，我的问题是:在tflite模型中，是否也有一个保持辍学的方法？也许是硬码辍学？
这样，我们也可以从已部署的模型中对操作进行示例。
回答 1
Stack Overflow用户
发布于 2021-10-07 13:21:29
我设法让学生辍学了。有两件事要做。
- 在构建keras模型时在Dropout层设置训练标志(这将始终支持Dropout )
x = Dropout(0.1)(x, training=True)- Set TFlite转换器旗
converter = tf.lite.TFLiteConverter.from_keras_model(actor.model)
converter.target_spec.supported_ops = [
tf.lite.OpsSet.TFLITE_BUILTINS, # enable TensorFlow Lite ops.
tf.lite.OpsSet.SELECT_TF_OPS # enable TensorFlow ops.
]
tflite_model = converter.convert()
open("converted_model.tflite", "wb").write(tflite_model)可悲的是，这会增加一些模型加载时间。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/69452351
复制相关文章
相似问题
腾讯云开发者
