dropout是神经网络中用来防止过拟合的技巧，在每一轮训练时随机丢弃一些神经元。
tf.nn.dropout(x,
keep_prob,
noise_shape=None,
seed=None,
name=None)
- x：一个浮点型Tensor，注意不能是sparsetensor。
- keep_prob：一个标量Tensor，取值(0，1]间，表示每个元素的保留概率，每一个参数都将按这个比例随机变更。
- noise_shape：int32的一维Tensor，表示随机产生的保持/丢弃标志的形状。
- seed：一个Python整数，用于创建随机种子。
- name：此操作的名称(可选)。
x = tf.Variable([[1, 2, 3],
[4, 5, 6],
[7, 8, 9],
[10, 11, 12]], dtype=tf.float32)
keep_prob = 0.5
a = tf.nn.dropout(x,
keep_prob)
print(a)
>>> tf.Tensor([[ 2. 4. 6.]
[ 8. 0. 12.]
[ 0. 0. 18.]
[ 0. 22. 24.]], shape=(4, 3), dtype=float32)
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
