model.fit中的dropout和data.split

Question

正如我们所知，dropout是一种帮助控制过拟合的机制。在Keras的训练过程中，我们可以通过监测验证损失进行在线交叉验证，并在model.fit中设置数据拆分。

一般来说，我需要同时使用这两种机制吗？或者，如果我在model.fit中设置数据拆分，则不需要使用dropout。

Answer 1

Dropout是一种正则化技术，即它可以防止网络过快地拟合您的数据。验证损失只是在你的网络过度拟合时给出的一个指示。这是两件完全不同的事情，当你的模型过拟合时，验证损失对你没有帮助，它只会告诉你它是过拟合的。

我想说的是，在训练过程中，验证损失是有价值的信息，你永远都不应该没有它。你是否需要正则化技术，如噪声，丢弃或批量归一化取决于你的网络如何学习。如果你发现它不适合，那么你应该尝试使用正则化技术。