SpatialDropout2D 层

[源]

SpatialDropout2D 类

tf_keras.layers.SpatialDropout2D(rate, data_format=None, **kwargs)

Dropout 的空间二维版本。

此版本的功能与 Dropout 相同，但它会丢弃整个二维特征图，而不是单个元素。如果特征图中的相邻像素之间具有强相关性（这在早期卷积层中通常如此），那么常规 Dropout 不会对激活进行正则化，而只会导致有效学习率降低。在这种情况下，SpatialDropout2D 将有助于促进特征图之间的独立性，应改用此层。

参数

• rate：介于 0 和 1 之间的浮点数。要丢弃的输入单元的比例。
• data_format：'channels_first' 或 'channels_last'。在 'channels_first' 模式下，通道维度（深度）位于索引 1，在 'channels_last' 模式下位于索引 3。未指定时，使用在您的 TF-Keras 配置文件 ~/.keras/keras.json 中找到的 image_data_format 值（如果存在），否则使用 'channels_last'。默认为 'channels_last'。

调用参数

• inputs：一个 4D 张量。
• training：Python 布尔值，指示该层是应在训练模式下工作（添加 dropout）还是在推断模式下工作（不做任何事情）。

输入形状

如果 data_format='channels_first'，则为形状 (samples, channels, rows, cols) 的 4D 张量；如果 data_format='channels_last'，则为形状 (samples, rows, cols, channels) 的 4D 张量。

输出形状 与输入相同

.

参考文献：- 使用卷积网络进行高效目标定位