知识卡片
Dropout随机掩码
Dropout 训练时随机将一部分激活置零,使网络不能总依赖同一组单元;评估时关闭随机掩码。书中对 p 的保留率和丢弃率前后混用,实际要按接口定义区分;常见的反向缩放实现训练时对保留激活缩放。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 常见挑战及对策:一切为了泛化能力 · 查看原书依据
只在训练期间随机“删除”部分输入特征,在测试期间则使用全部特征。
参考来源
- 位置:《破解深度学习(基础篇)_模型算法与实现》第5章《常见挑战及对策:一切为了泛化能力》(来源项目 book-source:`extracted/破解深度学习(基础篇)_模型算法与实现/_epub-src/EPUB/xhtml/qz03_0008.xhtml`)
- 结论依据:原文及图示说明训练问题和策略;必要处补充条件,避免将示例结论绝对化。
- 原始内容:只在训练期间随机“删除”部分输入特征,在测试期间则使用全部特征。