如何使用Conv层中的dropout在tensorflow中删除激活贴图？

我试图在卷积层中添加辍学（尽管人们似乎不经常这样做）

根据CS23 1N，他们建议在所有激活图中删除激活图而不是单位（我认为这是有意义的，因为每个激活图都在不同位置提取相同的特征）。 在tensorflow中，我找不到任何API可以直接做到这一点，那么我该如何做到这一点呢？

---

这是我第一次在StackOverflow中提问，我将感谢您的建议和回答

您实际上可以通过

noise\u shape

参数使用可用的退出函数来实现这一点。例如，使用

层

API：

x = tf.layers.dropout(x, noise_shape=[batch_size, 1, 1, features])

---

这将适用于2D卷积和

通道\u last

格式。我们只为图像宽度/高度生成一个噪声值，该值将在图像维度上广播。但是，我们仍然会为每个功能/激活映射生成不同的噪波值。

您可以通过

noise\u shape

参数使用可用的退出函数来实现这一点。例如，使用

层

API：

x = tf.layers.dropout(x, noise_shape=[batch_size, 1, 1, features])

---

这将适用于2D卷积和

通道\u last

格式。我们只为图像宽度/高度生成一个噪声值，该值将在图像维度上广播。但是，我们仍然为每个功能/激活贴图生成不同的噪波值。

谢谢！这很有帮助！伟大的如果这解决了你的问题，考虑一下投票和接受答案，这样别人就可以更容易地看到它了。谢谢！这很有帮助！伟大的如果这解决了你的问题，考虑一下投票和接受答案，这样其他人就可以更容易地看到它。