Keras中的GaussianDropout层是否像辍学层一样保留概率？

我想知道Keras中的GaussianDropout层是否像辍学层一样保留概率。 辍学层实现为保留概率的反向辍学

如果你没有意识到这个问题，你可以看一看问题的答案，特别是林熙惠的答案。 使退出层保留概率的关键点是K.Dropout的调用，它不是由GaussianDropout层调用的

高斯分布层不保留概率有什么原因吗？ 或者它是保留的，但以另一种方式被看不见

---

类似-指的是辍学层：

因此高斯辍学不需要保留概率，因为它的起源是将中心极限定理应用于反向辍学。细节可以在乘性高斯噪声章节（第10章，第1951页）的第2和第3段中找到。

您还有什么想知道的吗？你没有高估我的答案，我很满意。但我接受了你的回答。更好；我以为你不是很满意。我不完全理解这个理论，但我想这没关系。（对我来说）最重要的信息是：我可以问心无愧地在Keras中使用Gaussiandroput层！这里是GausDropout和GausNoise之间的区别