回答情况：
提问时间：
问题标签：
我使用ubuntu12.04将hostapd配置为以下几个访问点。每件事都能正常工作几个小时，然后在某一时刻，hostapd不再接受新的连接。ssid=PNNinterface=wlan2auth_algs=3driver=nl80211logger_stdout=-1max_num_sta=255wpa=2wp
浏览 0提问于2013-01-02得票数 11
我想在训练时从Sequential Keras模型中的dropout层提取并存储1/0的dropout掩码数组。我想知道在Keras中是否有一种直接的方法来做到这一点，或者我是否需要切换到tensorflow (How to get the dropout mask in Tensorflow)。dropout层有几个函数(dropout_layer.get_output_mask()，dropout_layer.get_input_mask())，我试着使用它，但在调用上一层
浏览 42提问于2019-09-21得票数 3
1回答
我希望在LSTM层中使用dropout进行训练和测试。根据这篇文章： https://towardsdatascience.com/learning-note-dropout-in-recurrent-networks-part-2-f209222481f8model = Sequential()model.add(Dropout(rate=0.2, training
浏览 22提问于2020-11-06得票数 1
回答已采纳
, 2, outputData.Length / 2));
trainer.Train(inputVolume, outputVolume); // get error if there is dropout
浏览 0提问于2018-09-15得票数 0
回答已采纳
最近，我将Python从3.8.9升级到3.9.9，从那时起，每当我尝试做最简单的事情(例如)时，我都会得到错误KeyError: 'feat_dropout'。
浏览 10提问于2021-12-10得票数 2
我遇到了上述术语，我不确定它们之间的区别。奖励：在Keras中实现MC辍学和通道性辍学的简单方法是什么？
浏览 0修改于2019-11-25得票数 4
回答已采纳
1回答
我只需要检查一下我对辍学正规化技术的理解。根据我的理解，神经元可以以一种可以修复彼此错误的方式相互作用。因此，这会使模型对训练数据学习得太好，从而发生过度拟合。退出是一种技术，每一次训练的每一次重复都会随机丢弃神经元，每一次训练都需要一小批。这样做的效果很简单，就是我们强制神经元依靠自己，克服这种共适应效应。是那么回事吗？
浏览 0提问于2022-10-24得票数 0
input_shape=(batch_size[3], seq_len, channels)))model3.add(Dropoutrelu', padding='same'))model3.add(Flatten())
但在拉伸板上，我看到所有的Dropout层都是相互连接的，Dropout1的颜色与Dropout 2
浏览 1修改于2018-04-04得票数 5
回答已采纳
对于是使用tf.nn.dropout还是使用tf.layers.dropout，我感到非常困惑。
许多MNIST的例子似乎都使用tf.nn.droput，而keep_prop则是其中的一种。但是与tf.layers.dropout有什么不同呢？tf.layers.dropout中的“速率”参数与tf.nn.dropout相似吗？一般来说，tf.nn.dropout和tf.layers.dropout之间的区别适用于所有其他类似的情况，比如tf.nn和tf.layers中
浏览 24修改于2017-06-06得票数 27
回答已采纳
我感兴趣的是在keras中创建一个在训练和测试过程中都是静态的"dropout like“层。与正常的dropout不同，我只想切断一定数量的随机权重，而不是整个节点。
浏览 0修改于2018-04-04得票数 0
我试着增加了Dropout层。但这不起作用 fashion_drop_model.add(MaxPooling2D((2, 2),padding='same')) fashion_drop_model.add(<e
浏览 0修改于2019-06-04得票数 3
回答已采纳
predict(self, X): #keep_prob = tf.placeholder(tf.float32) # dropouttf.get_collection('inputs')
keep_prob = tf.get_collection('dropout_train
浏览 2修改于2017-03-21得票数 1
回答已采纳
我正面临着这个错误 NameError: name 'Dropout_U' is not defined 通过创建LSTM模型 embed_dim = 128batch_size32
model.add(Embedding(2500, embed_dim,input_length = X.shape[1]))model.add(LSTM(lstm_out))
model.add(Dropout_U
浏览 178提问于2020-10-16得票数 0
在我看来，dropout在神经元之间起作用。recurrent_dropout在每一个时间步骤之间工作。但是，我对此毫无根据。
上的文档一点帮助都没有。
浏览 0修改于2018-04-20得票数 8
__init__(in_feats, out_feats, bias=bias) dropout_value = self.custom_dropout(self.weight)
return F.linear(inputsuper(Dropout, self)., dropout_value, se
浏览 0修改于2019-01-10得票数 18
回答已采纳
我知道：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2有一种快速的方法在角点上做掉过滤器。
浏览 0提问于2019-07-15得票数 1
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号