Python 什么'；退学的目的是什么？

我注意到TensorFlow中有两个API与dropout有关，一个是tf.nn.dropout，另一个是tf.layers.dropout。我只是想知道tf.nn.辍学的目的是什么？

---

根据，应该有一个参数来区分培训和测试阶段。我看到tf.layers.dropout提供了正确的行为，那么为什么还要使用另一个函数tf.nn.dropout呢？有人知道吗？谢谢。

tf.layers.dropout在内部使用tf.nn.dropout函数

如果您只想使用更高级别的抽象，而不想控制辍学的许多方面，那么tf.nn.dropout可能很有用

请看api文档： (一)

(二)

tf.layers.dropout是tf.nn.dropout的包装，与tf.layers使用“辍学率”而tf.nn使用“保留输入的概率”略有不同。虽然他们之间可以建立直接的关系

---

在tf.layers.dropout中还有一个额外的参数“Training”，用于控制是在训练模式下返回输出（应用dropout）还是在推理模式下返回输出（返回未触及的输入）。

它们是相同的东西，只是别名，我猜它们的存在是为了保持向后兼容性。可能重复