tf.keras.layers.SpatialDropout3D
| Просмотреть исходный код на GitHub |
Пространственное 3D-версия Dropout.
Наследуется от: Dropout, Layer, Module
tf.keras.layers.SpatialDropout3D(
rate, data_format=None, **kwargs
)
Этот вариант выполняет ту же функцию, что и Dropout, однако он пропускает целые 3D карты признаков вместо отдельных элементов. Если смежные воксели в картах признаков сильно коррелированы (как обычно бывает в ранних слоях свертки), то обычный Dropout не будет регулировать активации и в противном случае просто приведет к уменьшению эффективной скорости обучения. В этом случае SpatialDropout3D поможет повысить независимость между картами признаков и должен использоваться вместо него.
| Аргументы | |
|---|---|
rate | Число с плавающей запятой от 0 до 1. Доля входных единиц, которые нужно пропустить. |
data_format | 'channels_first' или 'channels_last'. В режиме 'channels_first' измерение каналов (глубина) находится на индексе 1, в режиме 'channels_last' — на индексе 4. По умолчанию используется значение image_data_format в файле конфигурации Keras по адресу ~/.keras/keras.json. Если оно никогда не устанавливалось, то оно будет "channels_last". |
Аргументы вызова:
-
inputs: 5-мерный тензор. -
training: Логическое значение Python, указывающее, должен ли слой работать в режиме обучения (добавление дропаута) или в режиме вывода (ничего не делать).
Форма входных данных:
5-мерный тензор с формой: (samples, channels, dim1, dim2, dim3) если data_format='channels_first' или 5-мерный тензор с формой: (samples, dim1, dim2, dim3, channels) если data_format='channels_last'.
Форма выходных данных: Такая же, как у входных. Ссылки: - Efficient Object Localization Using Convolutional Networks
© 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/versions/r2.9/api_docs/python/tf/keras/layers/SpatialDropout3D
