Keras Dropout卷积滤波器

Question

我知道对于神经网络中卷积滤波器的核心，退出并不像对FC层的效果一样。：

但是，如果你放弃了整个过滤器，同样的事实会适用吗？

让我们假设一个网络结构，比如: Input，Conv2D，Conv2D，.，Conv2D，Conv2D，Sigmoid。因此在整个网络中没有完全连接的层。

问题1，：为了提高滤波可视化的结果，使用conv滤除器以避免滤波器之间的协同适应是合理的。

问题2有一种快速的方法在角点上做掉过滤器。

Answer 1

答案1可能。

没有Dropout：

​

与Dropout：

​

应答2根据角光角文件状态，与noise_shape=(batch_size, 1, 1, features)一起使用keras.layers.Dropout(rate, noise_shape=None, seed=None)。如果您想要一个完整维度的退出掩码是相同的，请使用1。