我知道dropout 对神经网络的卷积滤波器内核的影响与对 FC 层的影响不同:
但是,如果您放弃整个过滤器,同样的事实是否适用?
让我们假设一个网络结构,如:Input、Conv2D、Conv2D、...、Conv2D、Conv2D、Sigmoid。所以整个网络中没有全连接层。
问题1 应用conv filter dropouts来避免filter之间的co-adaptation来提高filter可视化的结果是否合理。
问题 2 有没有一种快速的方法在 keras 中做 dropout 过滤器。