我在Keras中训练了一个模型。该模型包含dropout层，我希望在执行此操作时绝对确保没有任何内容被丢弃。
根据文档，可以像这样提取层的输出：

layer_name = 'my_layer'
intermediate_layer_model = Model(inputs=model.input,
                                 outputs=model.get_layer(layer_name).output)
intermediate_output = intermediate_layer_model.predict(data)

字符串
然而，文档也展示了如何使用Keras函数来实现：

get_3rd_layer_output = K.function([model.layers[0].input, K.learning_phase()],
                                  [model.layers[3].output])

# output in test mode = 0
layer_output = get_3rd_layer_output([x, 0])[0]

# output in train mode = 1
layer_output = get_3rd_layer_output([x, 1])[0]

型
这里，learning_phase（）标志告诉keras是否实际使用dropout和类似的东西，这些东西只在训练过程中使用。
我的问题是，如果我使用第一种方法，dropout是否会自动停用，或者我是否需要做一些类似于设置学习阶段标志的事情（就像第二种方法中所做的那样）。