tf.keras.layers.Dropout

Применяет прореживание к входным данным.

Наследует от: Layer, Operation

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

Используется в блокнотах

Используется в руководстве	Используется в учебных материалах
Эффективное использование TensorFlow 2 Перенос сохранения контрольных точек Перенос оценки Перенос механизма отказоустойчивости Перенос TensorBoard: инструментария визуализации TensorFlow	Переобучение и недообучение Использование DTensor с Keras Распознавание простых аудиосигналов: распознавание ключевых слов Глубокая сверточная генеративно-состязательная сеть Базовая классификация текста

Слой Dropout случайным образом устанавливает входные элементы в 0 с частотой rate на каждом шаге во время обучения, что помогает предотвратить переобучение. Входные элементы, не установленные в 0, масштабируются в 1 / (1 - rate) раз, чтобы сумма всех входных элементов оставалась неизменной.

Обратите внимание, что слой Dropout применяется только при установке training в значение True в call(), поэтому во время инференса значения не отбрасываются. При использовании model.fit значение training автоматически устанавливается в True. В других случаях при вызове слоя можно явно задать аргументу значение True.

(Это отличается от установки trainable=False для слоя Dropout. trainable не влияет на поведение слоя, поскольку у Dropout нет переменных или весов, которые можно заморозить во время обучения.)

Аргументы
`rate`	Число с плавающей точкой от 0 до 1. Доля входных элементов, которые нужно отбросить.
`noise_shape`	Целочисленный тензор размерности 1, представляющий форму двоичной маски прореживания, которая будет применена к входным данным. Например, если форма входных данных — `(batch_size, timesteps, features)` и маска прореживания должна быть одинаковой для всех временных шагов, можно использовать `noise_shape=(batch_size, 1, features)`.
`seed`	Целое число Python, используемое в качестве начального значения генератора случайных чисел.

Аргументы вызова
`inputs`	Входной тензор (любой размерности).
`training`	Логическое значение Python, указывающее, должен ли слой работать в режиме обучения (добавлять прореживание) или в режиме инференса (ничего не делать).

Атрибуты
`input`	Возвращает входной тензор или тензоры символьной операции. Возвращает только тензор или тензоры, соответствующие первому вызову операции.
`output`	Возвращает выходной тензор или тензоры слоя. Возвращает только тензор или тензоры, соответствующие первому вызову операции.

Методы

`from_config`

Посмотреть исходный код

@classmethod
from_config(
    config
)

Создает слой на основе его конфигурации.

Этот метод является обратным по отношению к get_config и позволяет создать такой же слой из словаря конфигурации. Он не обрабатывает связи слоев (это делает Network) и веса (это делает set_weights).

Аргументы
`config`	Словарь Python, обычно являющийся результатом get_config.

Возвращает
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