主要内容

dropoutLayer

辍学层

展开全部页面

描述

dropout层以给定的概率随机地将输入元素设置为零。

创建

语法

layer = dropoutLayer
layer = dropoutLayer(概率)
图层= dropoutLayer(___“名字”,名称)

描述

层= dropoutLayer创建一个退出层。

层= dropoutLayer (概率）创建一个退出层并设置概率财产。

例子

层= dropoutLayer (___“名称”,的名字）设置可选的的名字属性，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”)创建一个退出概率为0.4的退出层和名称“drop1”．将属性名用单引号括起来。

属性

全部展开

辍学

删除输入元素的概率，指定为小于1的非负数。

在训练时，该层随机将输入元素设置为由dropout mask给出的零兰特(大小(X)) <概率,在那里X是层输入，然后按比例剩余的元素1 / (1-Probability)．该操作有效地改变了迭代之间的底层网络架构，并有助于防止网络过拟合[1]，[２]．数值越高，在训练过程中被丢弃的元素就越多。在预测时间，该层的输出等于它的输入。

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，该层为每个序列的每个时间步骤应用不同的dropout mask。

例子:0.4

层

层名，指定为字符向量或字符串标量。为层数组输入时，trainNetwork，assembleNetwork，layerGraph,dlnetwork函数自动为具有该名称的层分配名称”．

数据类型:字符|字符串

此属性是只读的。

该层的输入数量。该层只接受单个输入。

数据类型:双

此属性是只读的。

输入层的名称。该层只接受单个输入。

数据类型:细胞

此属性是只读的。

层的输出数量。这个图层只有一个输出。

数据类型:双

此属性是只读的。

输出层的名称。这个图层只有一个输出。

数据类型:细胞

例子

全部折叠

打开实时脚本

创建一个带有name的dropout图层“drop1”．

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

中包含一个退出层层数组中。

层= [.．.imageInputLayer([28 28 1]) convolution2dLayer(5,20) reluLayer dropoutLayer fullyConnectedLayer(10) softmaxLayer classificationLayer]
2 "二维卷积20个5x5卷积与跨步[1 1]和填充[0 0 0 0 0]3 " ReLU ReLU 4 " Dropout 50% Dropout 5 "全连接10全连接层6 " Softmax Softmax 7 "分类输出crossentropyex

更多关于

全部展开

参考文献

[1]斯里瓦斯塔瓦，N.， G. Hinton, A. Krizhevsky, I. Sutskever, R. Salakhutdinov。“Dropout:一种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，1929-1958页，2014年。

[2]克里日夫斯基，A. I.萨茨科弗，G. E.辛顿。深度卷积神经网络的ImageNet分类神经信息处理系统研究进展．2012年第25卷。

扩展功能

C/ c++代码生成
使用MATLAB®Coder™生成C和c++代码。

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

版本历史

在R2016a中引入

另请参阅

|

主题