Tensorflow TypeError：'Switch' Op 的输入'pred' 的 float32 类型与预期的 bool 类型不匹配

Question

我目前正在使用 Tensorflow 构建深度神经网络，但在实施称为 dropout 的正则化技术时遇到了一些问题（查看 Geoffrey Hinton here 的原始论文）。

Tensorflow 有一个功能可以解决这个问题，我正在学习 Aurelien Geron 的书Hands-On Machine Learning with Scikit-Learn & Tensorflow 的教程（顺便说一下，它是极好的）。在其中，他实现 dropout 的示例代码包括声明一个 training 占位符：

training = tf.placeholder(tf.float32, shape = (), name = "training")

然后创建隐藏层dropout对象：

hidden1_drop = tf.layers.dropout(hidden1, dropout_rate, training = training)

但是，当我执行此操作时，我收到指向上述行的错误。

TypeError: Input 'pred' of 'Switch' Op has type float32 that does not match expected type of bool

我查看了Tensorflow documentation regarding dropout，tf.layers.dropout()方法的training参数定义为

Python 布尔值或 TensorFlow 布尔标量张量（例如 占位符）。是否在训练模式下返回输出（应用 dropout）或推理模式（返回未触及的输入）。

但是，在上面的代码中，我显然传入了tf.float32。我怀疑这是我的错误的原因 - 它甚至在错误消息本身中说明。那么这只是作者的一个错字，还是我不明白幕后发生了什么？

我应该只用这一行替换隐藏层声明吗？

hidden1_drop = tf.layers.dropout(hidden1, dropout_rate, training = True)

我还查看了其他 SO posts with similar errors，例如这个，但答案似乎表明错误源于过时的 Tensorflow 版本，事实并非如此——我最近才在我的机器上安装了一个几周前。

Answer 1

我会继续回答我自己的问题，因为我是个白痴。

作者没有打错字。我按照他的教程写了一个错字。 training 可以是 Python 布尔值或 Tensorflow 布尔值张量。在书中，作者的实际代码是

training = tf.placeholder_with_default(False, shape=())

进行此切换应该可以解决问题。