批归一化(BatchNormalization)、droupout
TensorFlow已经将这两个函数集成在layers层中,因此我们只要在构建网络层中调用相应的函数即可。
代码示例:
model.add(keras.layers.BatchNormalization())
model.add(keras.layers.AlphaDroupout(rate=0.5))
网络层构建示例:
#使用序贯模型Sequential tf.keras.models.sequential()
model = keras.models.Sequential()
model.add(keras.layers.Flatten(input_shape = [28, 28]))
for _ in range(10):
model.add(keras.layers.Dense(30,activation="relu"))
model.add(keras.layers.BatchNormalization())
model.add(keras.layers.AlphaDropout(rate=0.5))
model.add(keras.layers.Dense(10, activation="softmax"))
- 批归一化能够很好的缓解梯度消失;
- 使用AlphaDropout而不直接使用droupout原因:
1.使用AlphaDropout均值和方差都不会变;
2.归一化性质不变。