tf.keras.layers.Dropout

Применяет дропаут к входным данным.

Наследуется от: Layer, Operation

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

Используется в ноутбуках

Используется в руководстве	Используется в учебниках
Эффективный TensorFlow 2 Миграция сохранения контрольных точек Миграция оценки Миграция механизма отказоустойчивости Миграция TensorBoard: инструмент визуализации TensorFlow	Переобучение и недообучение Использование DTensor с Keras Простая распознавание звука: распознавание ключевых слов Глубокая сверточная генеративно-состязательная сеть Базовая классификация текста

Слой Dropout случайным образом устанавливает входные единицы в 0 с частотой rate на каждом шаге во время обучения, что помогает предотвратить переобучение. Входные данные, которые не установлены в 0, масштабируются на 1 / (1 - rate) таким образом, что сумма по всем входным данным остается неизменной.

Обратите внимание, что слой Dropout применяется только тогда, когда training установлено в значение True в call(), чтобы не происходило отбрасывание значений во время вывода. При использовании model.fit, training будет соответствующим образом установлено в значение True автоматически. В других контекстах вы можете явно установить этот аргумент в значение True при вызове слоя.

(Это в отличие от установки trainable=False для слоя Dropout. trainable не влияет на поведение слоя, так как Dropout не имеет переменных/весов, которые можно заморозить во время обучения.)

Аргументы
`rate`	Вещественное число от 0 до 1. Доля входных единиц, которые нужно отбросить.
`noise_shape`	Целочисленный тензор 1D, представляющий форму бинарной маски дропаута, которая будет умножена на вход. Например, если ваши входные данные имеют форму `(batch_size, timesteps, features)`, и вы хотите, чтобы маска дропаута была одинаковой для всех шагов во времени, вы можете использовать `noise_shape=(batch_size, 1, features)`.
`seed`	Целое число Python, используемое в качестве случайного семени.

Аргументы вызова
`inputs`	Входной тензор (любой размерности).
`training`	Булево значение Python, указывающее, должен ли слой работать в режиме обучения (добавляя дропаут) или в режиме вывода (не делая ничего).

Атрибуты
`input`	Получает входной(ые) тензор(ы) символической операции. Возвращает только тензор(ы), соответствующий(ие) первому вызову операции.
`output`	Получает выходной(ые) тензор(ы) слоя. Возвращает только тензор(ы), соответствующий(ие) первому вызову операции.

Методы

`from_config`

Посмотреть исходный код

@classmethod
from_config(
    config
)

Создает слой из его конфигурации.

Этот метод — обратная сторона метода get_config, способная создать тот же самый слой из словаря конфигурации. Он не обрабатывает соединение слоев (обрабатывается сетью), а также веса (обрабатывается set_weights).

Аргументы
`config`	Словарь Python, обычно результат вызова get_config.

Возвращаемое значение
Экземпляр слоя.

`symbolic_call`

Посмотреть исходный код

symbolic_call(
    *args, **kwargs
)

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/keras/layers/Dropout