Machine learning 在LSTM网络（Keras）中向输入层应用辍学

在Keras中，是否有可能对LSTM网络的输入层应用辍学

如果这是我的模型：

model = Sequential()
model.add(LSTM(10, input_shape=(look_back, input_length), return_sequences=False))
model.add(Dense(1))

目标是实现以下效果：

model = Sequential()
model.add(Dropout(0.5))
model.add(LSTM(10, input_shape=(look_back, input_length), return_sequences=False))
model.add(Dense(1))

您可以使用，其中您的模型将编写为：

inputs = Input(shape=(input_shape), dtype='int32')
x = Dropout(0.5)(inputs)
x = LSTM(10,return_sequences=False)(x)

定义输出层，例如：

predictions = Dense(10, activation='softmax')(x)

然后构建模型：

model = Model(inputs=inputs, outputs=predictions)

---

你试过了吗？有错误吗？您只需将输入形状设置为退出层。