我有一個在訓練和推理過程中不同的模型。更準確地說，它是一個 SSD（Single Shot Detector），需要在其訓練對應層的頂部添加額外的 DetectionOutput 層。在 Caffe 中，可以使用層定義中的“include”參數來打開/關閉層。但是，如果我希望在每個 epoch 之后（在回調中）運行驗證，那么在定義和編譯模型之后我應該怎么做？我無法在訓練期間添加 DetectionOutput，因為它與損失的輸入不兼容。我還想避免在回調或自定義指標中的某處創(chuàng)建 DetectionOutput 層，因為它需要合理的超參數，并且我想將模型創(chuàng)建邏輯保留在專用模塊中。在以下示例代碼模型中，為推理創(chuàng)建了檢測輸出層。所以評估運行得很好：model, _, _ = build_model(input_shape=(args.input_height, args.input_width, 3),                          n_classes=num_classes,                          mode='inference')model.load_weights(args.model, by_name=True)evaluation = SSDEvaluation(model=model,                           evaluator=PascalDetectionEvaluator(categories),                           data_files=[args.eval_data])metrics = evaluation.evaluate()但是這個回調不能正常工作，因為在訓練模型期間沒有 DetectionOutput：class SSDTensorboard(Callback):    def __init__(self, evaluator, eval_data):        self.evaluator = evaluator        self.eval_data = eval_data    def on_train_begin(self, logs={}):        self.metrics = []    def on_epoch_end(self, epoch, logs={}):        evaluation = SSDEvaluation(self.model, self.evaluator, self.eval_data)        metrics = evaluation.evaluate()        self.metrics.append(metrics)像往常一樣運行訓練的正確（pythonic、keratonic 等）方法是什么，但對更改后的模型執(zhí)行驗證步驟，權重相同？也許，有一個單獨的模型來驗證共享權重？