TensorFlow中的卷积层支持辍学吗？

我想知道我是否可以简单地将辍学应用于TensorFlow中的卷积。它将如何应用？卷积掩码在输入上“滑动”时，其权重是否随机设置为零？

您可以对任意输入张量应用衰减。这个输入是如何计算的并不重要；输入的每个元素要么保持不变（并缩放，见下文），要么设置为零

发件人：

使用概率

keep_prob

，输出按

1/keep_prob

放大的输入元素，否则输出

0

。调整比例是为了使预期和保持不变

默认情况下，每个元素都单独保留或删除

例如：

conv = tf.nn.conv2d(...)
drop = tf.nn.dropout(conv, keep_prob=0.5)

---

在卷积的输出上应用了dropoutrapper，尽管一些结构实现了dropoutrapper并使用它做了不同的事情，但与滤波器权重没有交互作用。而且，在卷积层中，似乎有多种方法可以实现辍学（标准辍学和MC辍学）：您是指RNN（）的辍学说话者吗？根据它的docu，它也只是做“输入和/或输出辍学。辍学从未在状态中使用过。”看起来其他的辍学方法目前还没有在TensorFlow中实现。