TensorFlow中的卷積層是否支持退出？

我想知道我是否可以簡單地將缺失應用到TensorFlow中的卷積中。它將如何應用？卷積遮罩的權重是否隨着輸入「滑動」而隨機設置爲零？TensorFlow中的卷積層是否支持退出？

2016-08-16 Lenar Hoyt

的差施加在卷積的輸出，存在與濾波器權重 –

您可以對任意輸入張量應用壓差。這個輸入如何計算並不重要;輸入的每個元素都將保存（並縮放，見下文）或設置爲零。

從https://www.tensorflow.org/api_docs/python/tf/nn/dropout：

以概率keep_prob，輸出由1/keep_prob放大所述輸入元件，否則輸出0。縮放使得預期的總和不變。

默認情況下，每個元素獨立保存或刪除。

例如：

conv = tf.nn.conv2d(...) 
drop = tf.nn.dropout(conv, keep_prob=0.5)

來源

2016-08-17 10:35:42 fwalch

雖然一些結構實現DropoutWrapper和用它做不同的東西沒有相互作用。而且似乎還有多種卷積層丟失方法（標準丟失和MC丟失）：https://arxiv.org/abs/1506.02158 –

您是否指RNN的DropoutWrapper（https：// www。 tensorflow.org/versions/r0.10/api_docs/python/rnn_cell.html#DropoutWrapper）？根據它的文件，它也只是「輸入和/或輸出丟失，在狀態中從不使用丟棄」。看來其他的退出方式目前還沒有在TensorFlow中實現。 – fwalch

TensorFlow中的卷積層是否支持退出？

回答

相關問題