主要内容

dropoutLayer

辍学层

全部展开页面

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）创建一个退出层，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”)创建一个退出层，退出概率为0.4，名字为“drop1”．将属性名用单引号括起来。

属性

全部展开

辍学

退出输入元素的概率，指定为0-1范围内的数字标量。

在训练时，该层随机设置输入元素为dropout mask给定的零兰特(大小(X)) <概率,在那里X是图层输入，然后缩放其余的元素1 / (1-Probability)．此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，在训练过程中掉落的元素就越多。在预测时刻，层的输出等于它的输入。

对于图像输入，图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长应用不同的dropout mask。

例子:0．4

层

层名，指定为字符向量或字符串标量。若要在层图中包含层，必须指定非空的唯一层名。如果你用层和的名字被设置为＇＇，然后软件在训练时自动为该层分配一个名称。

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

输入层名。这一层只接受单个输入。

数据类型:细胞

层输出的数量。这一层只有一个输出。

数据类型:双

输出层的名称。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dropout图层“drop1”．

层= dropoutLayer (“名字”，“drop1”）
layer = DropoutLayer with properties: Name: ' dropp1 ' Hyperparameters

中包含一个退出层层数组中。

层= [．..imageInputLayer([28 28 1])卷积2dlayer (5,20) reluLayer dropoutLayer fulllyconnectedlayer (10) softmaxLayer classificationLayer]
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: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。

Krizhevsky, A. I. Sutskever和G. E. Hinton。基于深度卷积神经网络的图像网络分类神经信息处理系统研究进展．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

万博1manbetx

介绍基于MATLAB的深度学习

介绍基于MATLAB的深度学习

下载电子书