[英]Keras Dropout Convolutional Filters
我了解到, 對於神經網絡的卷積濾波器內核 , 輟學對FC層的影響不同 :
但是,如果您放棄整個過濾器,是否也適用相同的事實?
假設網絡結構如下:Input,Conv2D,Conv2D,...,Conv2D,Conv2D,Sigmoid。 因此,整個網絡中沒有完全連接的層。
問題1是否應用conv過濾器輟學來避免過濾器之間的共適應以改善過濾器可視化結果是否合理。
問題2是否有一種快速的方法來在keras中進行濾除過濾。
回答1也許。
沒有輟學:
有輟學:
答案2根據keras文檔說明,請使用keras.layers.Dropout(rate, noise_shape=None, seed=None)
和noise_shape=(batch_size, 1, 1, features)
。 如果希望完整的尺寸的濾除蒙版相同,請使用1。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.