TensorFlowバックエンドでKerasを使用した場合のドロップアウト

Question

ドロップアウトのKeras実装について読んでいますが、dropoutと言っても逆ドロップアウトバージョンを使用しているようです。ここで

は、私がKerasとTensorflowドキュメントを読んだとき、私は理解しているものです：

私はDropout(0.4)を指定すると0.4は、その層内のすべてのノードが0.4であることを意味するドロップさの40％のチャンスがあることを意味しますドロップ確率。したがって、逆方向ドロップアウトの概念によって、残りのニューロンの出力は、保持確率が0.6であるため、1/0.6の係数によってスケーリングされる。

（私の解釈が間違っている場合は指摘してください。私の全体の疑問が、この解釈に基づいています。）

私は0.4の値を指定した場合、それは単に直接意味キープ確率を要求TensorFlowで一方各ノードは60％の確率で削除されます。

私はTensorFlowをKerasのバックエンドで使用しているとどうなりますか？それは維持か落とし確率であるのに0.4かかりますか？ Keras層内（すべての必要なライブラリの最新バージョンでのPython 3.6を使用して）

Answer 1

Dropout(0.4)はあなたのニューロンの40％がが（保たれていない）をドロップされていることを意味します。 Keras documentationから

：

ドロップアウトは、ランダム 過学習を防止するのに役立つている、トレーニング期間中に、各更新時 0への入力単位の画分率を設定することからなります。 Dropout層のsource code (Line 72)を見ると

Answer 2

も答えを決定するのに役立ちます。

ドロップアウトは、ランダム 過学習を防止するのに役立つトレーニング時間中 各更新で0に入力単位の端数「速度」を、設定で構成されています。

ソースもNitish Srivastavaさんらによって書かれた（私は正確kerasがドロップアウトを実装する方法の概要について説明仮定）基準紙found hereを指摘しています。 al。それはKがバックエンドで107

return K.dropout(inputs, self.rate, noise_shape, seed=self.seed) 

線を中心droputのバックエンドの実装を呼び出すよう

---

もう少しソースを読んだけれども、それが見えます。あなたがまだ好奇心が強い場合は、K.dropoutがあなたのバックエンドでどのように実装されているか調べる価値があるかもしれません。