【tf】tf.nn.dropout

dropout是神经网络中用来防止过拟合的技巧，在每一轮训练时随机丢弃一些神经元。

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

• x：一个浮点型Tensor，注意不能是sparsetensor。
• keep_prob：一个标量Tensor，取值(0，1]间，表示每个元素的保留概率，每一个参数都将按这个比例随机变更。
• noise_shape：int32的一维Tensor，表示随机产生的保持/丢弃标志的形状。
• seed：一个Python整数，用于创建随机种子。
• name：此操作的名称(可选)。

x = tf.Variable([[1, 2, 3],
                 [4, 5, 6],
                 [7, 8, 9],
                 [10, 11, 12]], dtype=tf.float32)
keep_prob = 0.5
a = tf.nn.dropout(x,
                  keep_prob)
print(a)
>>> tf.Tensor([[ 2.  4.  6.]
			   [ 8.  0. 12.]
			   [ 0.  0. 18.]
			   [ 0. 22. 24.]], shape=(4, 3), dtype=float32)