R语言Keras模型推理阶段启用Dropout实现蒙特卡洛Dropout

在R的Keras框架里，要让Dropout层在推理阶段也生效，核心是调用predict()时指定training = TRUE参数，这和Python中设置training=True的逻辑完全一致。

具体操作方法 #

• 保留你原来的模型结构即可：

model <- keras_model_sequential() %>%
    layer_dense(10, activation = "relu") %>%
    layer_dropout(0.2)

• 推理阶段执行预测时，添加training = TRUE参数，强制Dropout层进入训练模式：

# 假设x_test是你的输入数据
first_pred <- predict(model, x_test, training = TRUE)
second_pred <- predict(model, x_test, training = TRUE)

此时first_pred和second_pred的结果会因为Dropout的随机失活机制产生差异，实现蒙特卡洛Dropout的采样效果。

额外说明 #

• 如果你习惯用predict_proba()或predict_classes()，同样可以给这些函数加上training = TRUE参数，效果一样。
• 每次带training = TRUE调用预测函数，都会触发Dropout的随机行为，多次运行就能得到多组不同的预测结果，可用于后续的模型不确定性分析。

内容的提问来源于stack exchange，提问作者jackahall