dropout 是指在深度學習網絡的訓練過程中，對于神經網絡單元，按照一定的概率將其暫時從網絡中丟棄，

????????????可以用來防止過擬合，layers 模塊中提供了 tf.layers.dropout() 方法來實現這一操作，定義在 tensorflow/python/layers/core.py。下面我們來說明一下它的用法。

dropout( inputs, rate=0.5, noise_shape=None, seed=None, training=False, name=None)

?

?

• inputs：必須，即輸入數據。
• rate：可選，默認為 0.5，即 dropout rate，如設置為 0.1，則意味著會丟棄 10% 的神經元。
• noise_shape：可選，默認為 None，int32 類型的一維 Tensor，它代表了 dropout mask 的 shape，dropout mask 會與 inputs 相乘對 inputs 做轉換，例如 inputs 的 shape 為 (batch_size, timesteps, features)，但我們想要 droput mask 在所有 timesteps 都是相同的，我們可以設置 noise_shape=[batch_size, 1, features]。
• seed：可選，默認為 None，即產生隨機熟的種子值。
• training：可選，默認為 False，布爾類型，即代表了是否標志位 training 模式。
• name：可選，默認為 None，dropout 層的名稱。

返回： 經過 dropout 層之后的 Tensor。

?

總結

以上是生活随笔為你收集整理的tf.layers.dropout的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。