dropout含义与原理
2024-09-01 15:03:10
含义
在训练过程中,对神经网络单元按照一定比例暂时将其丢弃。
原理
由于网络参数过多,训练数据少,或者训练次数过多,会产生过拟合的现象。
dropout产生的一个重大原因就是为了避免过拟合。 每一层的神经元按照不同的概率进行dropout,这样每次训练的网络都不一样,对每一个的batch就相当于训练了一个网络,dropout本质是一种模型融合的方式,当dropout设置为0.5时,模型总类最多为2^n, 另外在更新参数时,只对保留的神经元进行更新,也能加快训练速度。
应用
在embedding之后可以使用,tensorflow中如下: tf.nn.dropout(E, keep_prob)
参考:
https://blog.csdn.net/stdcoutzyx/article/details/49022443
最新文章
- C#对象先序列化然后反序列化时间丢失八小时的问题
- linux配置本地源
- JS的一些日期操作
- C语言关键字
- xp下Oracle数据库导入SQLServer数据库数据
- .NET简单企业应用
- Myeclipse 激活代码 8.6以前的版本
- sqlserver merge into
- 使用Java语言开发微信公众平台(四)——图文消息的发送与响应
- selenium实例:unittest框架+PO开发模式
- sql转百分比并保留两位小数
- kdump简单的介绍
- jQuery.when().done()
- http://jqweui.com/
- oracle语句优化
- Hyperscan与Snort的集成方案
- 如何在内网安装compass
- Ubutnu linux 下升级python版本,以2.x升级到3.x为例
- XP、Windows7下自动关机vbs脚本,使用windows计划任务+vbs脚本在XP、Windows7下实现定时自动关机
- HDU 2138 How many prime numbers (判素数,米勒拉宾算法)