python - Keras Dropout 卷积滤波器

Question

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。

Answer 1

答案 1也许。

没有辍学：

带辍学：

答案 2 根据keras 文档状态，使用keras.layers.Dropout(rate, noise_shape=None, seed=None)with noise_shape=(batch_size, 1, 1, features)。如果您希望丢失掩码对于完整维度相同，请使用 1。