-
dropout在训练过程中每次迭代都会得到一个新模型,最终结果是多个模型的融合,得到的只有一个模型,一组参数。
-
加入dropout后模型训练过程,都要计算概率,确定哪些神经元被丢弃,被丢弃的神经元输出变为0 。训练过程,神经元被丢弃的概率为(1-P),被保留下来的可能性为P;
-
测试过程,神经元一直都在,在测试阶段必须仿真出在训练阶段使用的网络集的行为,所以每个参数都要乘以P。 (注意这个P是神经元保留下来的概率)
dropout学习整理
最新推荐文章于 2024-01-16 17:17:36 发布