但是,如果您删除整个过滤器,同样的事实是否适用?
让我们假设一个网络结构,例如:Input、Conv2D、Conv2D、...、Conv2D、Conv2D、Sigmoid。所以整个网络中不存在全连接层。
问题 1 应用卷积过滤器 dropouts 以避免过滤器之间的共同适应以改善 filter visualization 的结果是否合理? .
问题 2 有没有一种快速的方法可以在 keras 中进行 dropout 过滤器。
最佳答案
答案 1 也许吧。
没有辍学:
有辍学:
答案2
根据keras documentations状态,将 keras.layers.Dropout(rate, Noise_shape=None, Seed=None)
与 noise_shape=(batch_size, 1, 1, features)
结合使用。如果您希望滤除蒙版在整个维度上都相同,请使用 1。
关于python - Keras Dropout 卷积滤波器,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57040729/