如何创建一个仅在评估阶段生效的keras层(并且在训练阶段是透明的)？

import tensorflow as tf
from tensorflow.keras.layers import Layer

class EvaluationOnlyLayer(Layer):
    def __init__(self, **kwargs):
        super(EvaluationOnlyLayer, self).__init__(**kwargs)

    def build(self, input_shape):
        # 在这里定义层的权重，如果需要的话
        super(EvaluationOnlyLayer, self).build(input_shape)

    def call(self, inputs):
        # 检查当前是否为评估阶段
        is_evaluation = tf.equal(tf.keras.backend.learning_phase(), 0)
        
        # 使用tf.cond来根据条件选择执行不同的操作
        output = tf.cond(
            is_evaluation,
            true_fn=lambda: self.evaluation_operation(inputs),
            false_fn=lambda: inputs  # 训练阶段透明，直接返回输入
        )
        return output

    def evaluation_operation(self, inputs):
        # 在这里定义评估阶段的操作
        # 例如，可以在这里添加一些仅在评估阶段执行的计算
        return inputs * 2  # 示例操作：将输入乘以2

    def compute_output_shape(self, input_shape):
        return input_shape

# 示例使用
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

model = Sequential([
    Dense(64, activation='relu', input_shape=(784,)),
    EvaluationOnlyLayer(),
    Dense(10, activation='softmax')
])

model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

# 假设我们有一些数据
import numpy as np
x_train = np.random.random((1000, 784))
y_train = np.random.randint(10, size=(1000, 1))

# 训练模型
model.fit(x_train, y_train, epochs=5)

# 评估模型
x_test = np.random.random((100, 784))
y_test = np.random.randint(10, size=(100, 1))
model.evaluate(x_test, y_test)