辍学层
辍学层类包含概率下降的输入元素和图层的名称。辍学层只有在使用培训。
droplayer= dropoutLayer ()返回一个随机的辍学生层,输入元素设置为零的概率为0.5。辍学可能有助于防止过度拟合。
droplayer= dropoutLayer ()
droplayer
droplayer= dropoutLayer (概率)返回一个随机集辍学层,输入元素指定的概率为零概率论点。
droplayer= dropoutLayer (概率)
概率
droplayer= dropoutLayer (___,名称,值)返回辍学层,与指定的附加选项名称,值对参数。
droplayer= dropoutLayer (___,名称,值)
名称,值
全部展开
辍学概率输入元素(神经元)在培训期间,指定为一个标量值的范围从0到1。
更高的下降将导致更多的神经元数目在训练。
例子:dropoutLayer (0.4)
dropoutLayer (0.4)
概率退出输入元素(神经元),在培训期间,存储为一个标量值。
的名字
”
图层名称,指定一个特征向量。如果的名字被设置为”,然后在训练时软件自动分配一个名称。
数据类型:字符
字符
价值。学习如何价值类影响复制操作,明白了复制对象在MATLAB (MATLAB)®文档。
创建一个随机集辍学层,约40%的输入为零。名字的层dropout1。
dropout1
droplayer = dropoutLayer (0.4,“名字”,“dropout1”)
droplayer = DropoutLayer属性:概率:0.4000名称:“dropout1”
辍学一层一层随机集的输入元素与给定的概率为零。
这对应于暂时放弃一个随机选择的单元和它的所有连接的网络在训练。为每个新的输入元素,软件随机选择一个子集的神经元,因此形成了不同的层的体系结构。这些架构使用常见的重量,但因为学习不依赖于特定的神经元和连接,辍学层可能有助于防止过度拟合[1],[2]。
[1]Srivastave, N。,G. Hinton, A. Krizhevsky, I. Sutskever, R. Salakhutdinov. "Dropout: A Simple Way to Prevent Neural Networks from Overfitting."机器学习研究杂志》上。15卷,第1958 - 1929页,2014年。
[2]Krizhevsky,。,I. Sutskever, and G. E. Hinton. "ImageNet Classification with Deep Convolutional Neural Networks. "先进的神经信息处理系统。25卷,2012年。
dropoutLayer
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。金宝app
选择一个网站翻译内容,看到当地事件和提供。根据你的位置,我们建议您选择:。
你也可以从下面的列表中选择一个网站:
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。
联系你当地的办公室
得到审判现在