Python tf.keras.layers.Dropout用法及代碼示例

將 Dropout 應用於輸入。

繼承自：Layer，Module

用法

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

Dropout 層在訓練期間的每一步以 rate 的頻率將輸入單元隨機設置為 0，這有助於防止過度擬合。未設置為 0 的輸入按 1/(1 - 比率) 放大，以使所有輸入的總和保持不變。

請注意，Dropout 層僅在 training 設置為 True 時適用，這樣在推理期間不會丟棄任何值。使用 model.fit , training 時會自動適當地設置為 True，在其他情況下，您可以在調用層時將 kwarg 顯式設置為 True。

(這與為 Dropout 層設置 trainable=False 形成對比。trainable 不會影響層的行為，因為 Dropout 沒有任何可以在訓練期間凍結的變量/權重。)

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)

調用參數：

• inputs:輸入張量(任意等級)。
• training:Python 布爾值，指示層應該在訓練模式(添加 dropout)還是在推理模式(什麽都不做)下運行。