Я новичок в Tensorflow и ML вообще, поэтому я извиняюсь за (вероятный) тривиальный вопрос.
Я использую метод отсева, чтобы улучшить скорость обучения в моей сети, и, похоже, он работает нормально. 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, что он дает разные результаты каждый раз, когда выпадение все еще на месте. Одно из решений, о котором я могу думать, - создать две отдельные модели - одну для обучения, а другую для фактического последующего использования сети, однако такое решение кажется мне непрактичным.
Какой общий подход к решению этой проблемы?