Dropout
类tf_keras.layers.Dropout(rate, noise_shape=None, seed=None, **kwargs)
对输入应用 Dropout。
Dropout 层在训练期间的每个步骤中,会以 `rate` 的频率随机地将输入单元设置为 0,这有助于防止过拟合。未设置为 0 的输入会按 1/(1 - rate) 的比例放大,以使所有输入的总和保持不变。
注意,Dropout 层仅在 `training` 设置为 True 时才应用,以确保在推断期间不会丢弃任何值。使用 `model.fit` 时,`training` 会自动适当地设置为 True,而在其他上下文中,你可以在调用层时显式地将该 kwarg 设置为 True。
(这与将 Dropout 层设置为 `trainable=False` 不同。`trainable` 不会影响层的行为,因为 Dropout 没有可以在训练期间冻结的任何变量/权重。)
>>> tf.random.set_seed(0)
>>> layer = tf.keras.layers.Dropout(.2, input_shape=(2,))
>>> data = np.arange(10).reshape(5, 2).astype(np.float32)
>>> print(data)
[[0. 1.]
[2. 3.]
[4. 5.]
[6. 7.]
[8. 9.]]
>>> outputs = layer(data, training=True)
>>> print(outputs)
tf.Tensor(
[[ 0. 1.25]
[ 2.5 3.75]
[ 5. 6.25]
[ 7.5 8.75]
[10. 0. ]], shape=(5, 2), dtype=float32)
参数
调用参数