主要内容

dropoutLayer

辍学层

展开页面中的所有内容

描述

dropout层以给定的概率将输入元素随机设置为零。

创建

语法

层= dropoutLayer
层= dropoutLayer(概率)
层= dropoutLayer (＿＿＿“名字”,名称)

描述

层= dropoutLayer创建一个退出层。

层= dropoutLayer (概率）创建一个辍学层，并设置概率财产。

例子

层= dropoutLayer (＿＿＿“名称”,的名字）设置可选的名字属性，使用名称-值对和前面语法中的任何参数。例如,dropoutLayer(0.4,“名字”,“drop1”)创建一个辍学层，辍学概率为0.4，名称为辍学“drop1”．将属性名称括在单引号中。

属性

全部展开

辍学

删除输入元素的概率，指定为0-1范围内的数字标量。

在训练时间，该层随机设置输入元素为零给出dropout掩模兰特(大小(X)) <概率,在那里X是层输入，然后缩放其余的元素1 / (1-Probability)．该操作有效地改变了迭代之间的底层网络架构，防止了网络过拟合[1］，［2］．数值越高，在训练中放弃的元素越多。在预测时间，该层的输出等于其输入。

对于图像输入，该层为每个图像的每个通道应用不同的蒙版。对于序列输入，该层对每个序列的每个时间步长应用不同的dropout掩码。

例子:0.4

层

层名，指定为字符向量或字符串标量。要在层图中包含层，必须指定一个非空的、唯一的层名。如果你训练一个系列网络层和的名字被设置为＇＇，然后该软件在训练时自动为该层指定一个名称。

数据类型:字符|字符串

层的输入数。这一层只接受单个输入。

数据类型:双

输入图层名称。这一层只接受单个输入。

数据类型:细胞

层的输出数。这一层只有一个输出。

数据类型:双

图层的输出名称。这一层只有一个输出。

数据类型:细胞

例子

全部折叠

打开生活的脚本

创建一个带有名称的辍学层“drop1”．

层= dropoutLayer (“名字”，“drop1”）
属性:Name: ' dropp1 '超参数概率:0.5000

控件中包含一个退出层层数组中。

层= [.．.imageInputLayer([28 28 1])卷积2dlayer (5,20) reluLayer dropoutLayer fullconnectedlayer (10) softmaxLayer classiationlayer]
层= 7 x1层与层:数组1”的形象输入28 x28x1图像zerocenter正常化2”卷积20 5 x5旋转步[1]和填充[0 0 0 0]3”ReLU ReLU 4”辍学50%辍学5“完全连接10完全连接层6”Softmax Softmax crossentropyex 7”分类输出

更多关于

全部展开

参考文献

Srivastava, N.， G. Hinton, A. Krizhevsky, I. Sutskever, R. Salakhutdinov。Dropout:防止神经网络过拟合的简单方法机器学习研究杂志．第15卷，第1929-1958页，2014。

克里热夫斯基，A.苏茨基弗，和G. E.欣顿。基于深度卷积神经网络的ImageNet分类。神经信息处理系统的进展．25卷,2012年。

扩展功能

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

GPU的代码生成
使用GPU Coder™为NVIDIA®GPU生成CUDA®代码。

另请参阅

|

主题

介绍了R2016a

深度学习工具箱文档

金宝app

介绍MATLAB深度学习

介绍MATLAB深度学习

下载电子书