Machine learning 应在何处插入辍学者。？完全连接层。？卷积层。？或者两者兼而有之。？

我想了解您对应该在哪里插入

辍学者的反馈意见

它应该位于完全连接的层（密集层）还是卷积层。？或者两者兼而有之

提前感谢您的反馈。
退出只是一种用于防止网络中过度拟合的正则化技术。它在训练期间以给定的概率将节点的权重设置为零，从而减少每次迭代训练所需的权重数量。它可以应用于网络的每一层（无论它是完全连接的还是卷积的），或者在选定的层之后。对哪一层应用“退出”实际上只是一个设计决策，以决定什么可以产生最佳性能。
通常，将“退出”放置在完全连接的层上，只是因为它们是参数数量较多的层，因此它们可能会过度自适配，从而导致过度拟合

但是，由于它是一种随机正则化技术，因此您可以将它放在任何地方。通常，它被放置在具有大量参数的层上，但没有人会拒绝您将其应用于卷积层（相对于fc层，卷积层的参数数量较少）

此外，应该根据您想要的正则化的影响来更改丢弃概率

经验法则是，当辍学应用于完全连接的层时，将保留概率（1-辍学概率）设置为0.5，而当应用于卷积层时，将其设置为更大的数字（通常为0.8、0.9）

请注意：因为在每一个机器学习框架中，辍学都是在其“反向”版本中实现的，所以您应该降低您的学习率，以克服辍学概率给学习率带来的“提升”。
关于它的更全面的评估：
你可以选择你想把辍学学生放在哪里。我通常在后卷积中使用，但也可以在FC层中使用。尝试不同的组合以获得最佳效果
 非常感谢，我已经阅读了你发送的链接。我要试试那个问题。两层的分布。它可以在输出层之前的fc层上使用吗？非常感谢您非常感谢卷积层的内核具有多个权重（例如：3x3=9）。这些重物中哪一个掉下来了？所有的东西都一次掉下来吗？或者仅仅将其中一个设置为零？