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@)