tf.nn.rnn_cell.DroupoutWrapper函数的用法

tf.nn.rnn_cell.DroupoutWrapper(cell, input_keep_prob=1.0, output_keep_prob=1.0)

主要的参数就是三个

第一个就是输入的循环神经网络的cell，可以设定为BasicLSTMCell等等。

第二个参数就是输入数据使用dropout，后面的概率，如果是一，就不会执行dropout。

第三个参数是输出数据使用dropout,后面的概率，如果是一，就不会执行dropout.

一般这里的dropout是在输入，输出，或者不用的循环层之间使用，或者全连接层，不会在同一层的循环体中使用。

因此，基于tf 的最基本的 rnn （或者说static_rnn）代码是下面这样的：

cell = SomeRnnCell(...)

state = cell.zero_state(...)

outputs = []

with tf.variable_scope("scope_name"):

    for time_step in xrange(step_num):

        if time_step > 0: 

              tf.get_variable_scope().reuse_variables()  # 第一次cell.__call__()之后的需要 reuse

       (cell_output, state) = cell(inputs[:, time_step, :], state)

       outputs.append(cell_output)