一：適用范圍：

　　tf.nn.dropout是TensorFlow里面為了防止或減輕過擬合而使用的函數(shù)，它一般用在全連接層

二：原理：

　　dropout就是在不同的訓練過程中隨機扔掉一部分神經(jīng)元。也就是讓某個神經(jīng)元的激活值以一定的概率p，讓其停止工作，這次訓練過程中不更新權(quán)值，也不參加神經(jīng)網(wǎng)絡(luò)的計算。但是它的權(quán)重得保留下來（只是暫時不更新而已），因為下次樣本輸入時它可能又得工作了

三：函數(shù)介紹：

　　tf.nn.drop(x, ?keep_prob, noise_shape=None, seed=None,name=None)

　　x:? 輸入值

　　keep_prob: float類型，每個元素被保留下來的概率

　　noise_shape:?一個1維的int32張量，代表了隨機產(chǎn)生“保留/丟棄”標志的shape

四：舉例說明：

# -*- coding: utf-8 -*- # @Time : 18-5-27 下午3:34 # @Author : payneLi # @Email : lph0729@163.com # @File : tf_nn_dropout.pyimport tensorflow as tf import numpy as np""" 測試Tensor經(jīng)過dropout()的效果：1.輸入與輸出的Tensor的shape相同；2.隨機使某些元素值為0,非零元素為：對應(yīng)值/keep_prob """ dropout = tf.placeholder(tf.float32) x = tf.reshape(np.array(range(36), dtype=np.float32), [6, 6]) y = tf.nn.dropout(x, dropout) print(x, y)init = tf.global_variables_initializer() with tf.Session() as sess:sess.run(init)print(sess.run(x))print(sess.run(y, feed_dict={dropout: 0.5}))

----> 運行結(jié)果：
　　x :

　　　　[[ 0. 1. 2. 3. 4. 5.]
　　　　[ 6. 7. 8. 9. 10. 11.]
　　　　[12. 13. 14. 15. 16. 17.]
　　　　[18. 19. 20. 21. 22. 23.]
　　　　[24. 25. 26. 27. 28. 29.]
　　　　[30. 31. 32. 33. 34. 35.]]

　　y :　　　

　　　　[[ 0. 0. 4. 6. 8. 0.]
　　　　[ 0. 0. 16. 0. 20. 22.]
　　　　[24. 26. 28. 0. 0. 0.]
　　　　[ 0. 38. 40. 0. 44. 46.]
　　　　[48. 0. 0. 54. 56. 58.]
　　　　[60. 0. 0. 66. 68. 0.]]

轉(zhuǎn)載于:https://www.cnblogs.com/lph-shares/p/9096489.html

與50位技術(shù)專家面對面20年技術(shù)見證，附贈技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的TensorFlow之tf.nn.dropout()：防止模型训练过程中的过拟合问题的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。