Python tf.keras.layers.Dropout用法及代码示例

将 Dropout 应用于输入。

继承自：Layer，Module

用法

tf.keras.layers.Dropout(
    rate, noise_shape=None, seed=None, **kwargs
)

Dropout 层在训练期间的每一步以 rate 的频率将输入单元随机设置为 0，这有助于防止过度拟合。未设置为 0 的输入按 1/(1 - 比率) 放大，以使所有输入的总和保持不变。

请注意，Dropout 层仅在 training 设置为 True 时适用，这样在推理期间不会丢弃任何值。使用 model.fit , training 时会自动适当地设置为 True，在其他情况下，您可以在调用层时将 kwarg 显式设置为 True。

(这与为 Dropout 层设置 trainable=False 形成对比。trainable 不会影响层的行为，因为 Dropout 没有任何可以在训练期间冻结的变量/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)

调用参数：

• inputs:输入张量(任意等级)。
• training:Python 布尔值，指示层应该在训练模式(添加 dropout)还是在推理模式(什么都不做)下运行。