从化市营销型网站建设,工业和信息化部五系网站建设,新网站快速收录,酷播wordpress视频插件dropout 是指在深度学习网络的训练过程中#xff0c;对于神经网络单元#xff0c;按照一定的概率将其暂时从网络中丢弃#xff0c; 可以用来防止过拟合#xff0c;layers 模块中提供了 tf.layers.dropout() 方法来实现这一操作#xff0c;定义在 tensorflow/python/layers…dropout 是指在深度学习网络的训练过程中对于神经网络单元按照一定的概率将其暂时从网络中丢弃 可以用来防止过拟合layers 模块中提供了 tf.layers.dropout() 方法来实现这一操作定义在 tensorflow/python/layers/core.py。下面我们来说明一下它的用法。
dropout( inputs, rate0.5, noise_shapeNone, seedNone, trainingFalse, nameNone) inputs必须即输入数据。rate可选默认为 0.5即 dropout rate如设置为 0.1则意味着会丢弃 10% 的神经元。noise_shape可选默认为 Noneint32 类型的一维 Tensor它代表了 dropout mask 的 shapedropout mask 会与 inputs 相乘对 inputs 做转换例如 inputs 的 shape 为 (batch_size, timesteps, features)但我们想要 droput mask 在所有 timesteps 都是相同的我们可以设置 noise_shape[batch_size, 1, features]。seed可选默认为 None即产生随机熟的种子值。training可选默认为 False布尔类型即代表了是否标志位 training 模式。name可选默认为 Nonedropout 层的名称。
返回 经过 dropout 层之后的 Tensor。
