TensorFlow Dropout
来源:互联网 发布:centos压缩文件夹命令 编辑:程序博客网 时间:2024/04/25 19:51
TensorFlow Dropout
Dropout 是一个降低过拟合的正则化技术。它在网络中暂时的丢弃一些单元(神经元),以及与它们的前后相连的所有节点。图 1 是 dropout 的工作示意图。
TensorFlow 提供了一个 tf.nn.dropout()
函数,你可以用来实现 dropout。
让我们来看一个 tf.nn.dropout()
的使用例子。
keep_prob = tf.placeholder(tf.float32) # probability to keep unitshidden_layer = tf.add(tf.matmul(features, weights[0]), biases[0])hidden_layer = tf.nn.relu(hidden_layer)hidden_layer = tf.nn.dropout(hidden_layer, keep_prob)logits = tf.add(tf.matmul(hidden_layer, weights[1]), biases[1])
上面的代码展示了如何在神经网络中应用 dropout。
tf.nn.dropout()
函数有两个参数:
hidden_layer
:你要应用 dropout 的 tensorkeep_prob
:任何一个给定单元的留存率(没有被丢弃的单元)
keep_prob
可以让你调整丢弃单元的数量。为了补偿被丢弃的单元,tf.nn.dropout()
把所有保留下来的单元(没有被丢弃的单元)* 1/keep_prob
在训练时,一个好的keep_prob
初始值是0.5
。
在测试时,把 keep_prob
值设为1.0
,这样保留所有的单元,最大化模型的能力。
阅读全文
0 0
- TensorFlow Dropout
- tensorflow function笔记: dropout
- 【Tensorflow】tf.nn.dropout函数
- tensorflow 学习笔记8 dropout
- tensorflow学习笔记(八):dropout
- TensorFlow 中 dropout 的使用介绍
- tensorflow分类和dropout解决overfitting
- tensorflow-激活函数及tf.nn.dropout
- tensorflow之dropout解决过拟合问题
- Tensorflow学习笔记(用哪学哪)tf.nn.dropout
- TensorFlow中的Dropout防止过拟合overfiting
- Tensorflow(r1.4)API--tf.nn.dropout
- 深度学习理解tensorflow之Dropout
- Dropout
- Dropout
- dropout
- Dropout
- Dropout
- JavaWeb: 问题整理
- IP地址的分类
- kudu创建表时候遇到的问题
- Android Studio 忽略提交文件
- 总结
- TensorFlow Dropout
- 什么是语义化【2017.7.9】
- jenkins执行shell脚本时邮件模板使用手记
- Doker
- AI大行其道,你准备好了吗?—谨送给徘徊于转行AI的程序员
- 内存小于16GG搭建Hadoop集群的一些个人观点
- PAT甲级真题及训练集(22)--1090. Highest Price in Supply Chain (25)
- 关于一些基础的Java问题的解答(八)
- 正确处理ipv6和内购(IAP)及掉单问题