dropoutLayer

---

随机丢弃层

函数库: TyDeepLearning

语法

layer = dropoutLayer(probability=0.5)

说明

layer = dropoutLayer(probability=0.5) 创建一个随机丢弃层。示例

Dropout是一种正则化手段，该算子根据丢弃概率 probability ，在训练过程中随机将一些神经元输出设置为 0，通过阻止神经元节点间的相关性来减少过拟合，在推理过程中，此层返回与 x 相同的数组。

示例

创建随机丢弃层

创建一个维度为（2，2，3）、元素均为 1 的数组。

using TyDeepLearning
set_backend(:mindspore)
array = ones(Float32, (2, 2, 3))

创建一个随机丢弃层，输入神经元丢弃率为 0.2。 使用该层处理数组并输出数组维度。

layer = dropoutLayer(0.2)
print(size(TyDeepLearning.predict(layer, array)))

(2, 2, 3)

随机生成一个维度为（1，1，28，28）的数组。

input = rand(Float32, (1, 1, 28, 28))

创建一个包含随机丢弃层的神经网络。随机生成一个维度为（1，1，28，28）的数组，使用该神经网络处理数组并输出结果维度。

layers = SequentialCell([
    convolution2dLayer(1, 20, 5),
    reluLayer(),
    dropoutLayer(0.5),
    flattenLayer(),
    fullyConnectedLayer(20 * 28 * 28, 10),
    softmaxLayer()
])
print(size(TyDeepLearning.predict(layers, input)))

(1, 10)

输入参数

probability-神经元丢弃率

标量

输入神经元丢弃率，数值范围在 0 到 1 之间。例如，rate = 0.1，删除 10% 的神经元。默认值：0.5。

数据类型： Float16 | Float32 | Float64

输出参数

layer-丢弃层

网络对象

输出为一个丢弃层

另请参阅

predict | Improving neural networks by preventing co-adaptation of feature detectors (opens new window)