介绍
将某些层的参数设置成固定值，或者是 通过学习会改变的
tf.keras.layers.BatchNormalization()会受此影响
详见：
https://www.malaoshi.top/show_1EF5JUYBib4t.html
语法
tf.keras.backend.set_learning_phase(
value
)
参数
- value：学习阶段的值
- 0：表示 测试（预测），某些层的参数是固定的
- 1：表示 训练，某些层的参数是通过学习会改变的
例子
K.set_learning_phase(0)
base_model = tf.keras.applications.ResNet50(weights='imagenet', include_top=False,
input_shape=(img_resize, img_resize, 3), )
K.set_learning_phase(1)
model=tf.keras.Sequential()
model.add(base_model)
model.add(tf.keras.layers.GlobalAveragePooling2D())
model.add(tf.keras.layers.Dense(512,activation="relu"))
#model.add(tf.keras.layers.Dense(512,activation="relu",kernel_regularizer=tf.keras.regularizers.l2(0.0001)))
model.add(tf.keras.layers.Dense(1,activation="sigmoid"))
model.compile(optimizer=tf.keras.optimizers.Adam(lr=0.0001),loss="binary_crossentropy",metrics=["acc"])
history=model.fit(train_ds2,epochs=5,validation_data=test_ds2)
plt.plot(history.epoch,history.history["acc"],label="acc")
plt.plot(history.epoch,history.history["val_acc"],label="val_acc")
plt.legend()
plt.plot(history.epoch,history.history["loss"],label="loss")
plt.plot(history.epoch,history.history["val_loss"],label="val_loss")
plt.legend()