Keras向前通过辍学

2 回答

• 0

  可以使用keras后端函数来实现随机前向传递（在测试时使用丢失） . 假设你有一个训练有素的神经网络 model ：

  from keras import backend as K
  
  nb_MC_samples = 100
  MC_output = K.function([model.layers[0].input, K.learning_phase()], [model.layers[-1].output])
  
  learning_phase = True  # use dropout at test time
  MC_samples = [MC_output([x_test, learning_phase])[0] for _ in xrange(nb_MC_samples)]
  MC_samples = np.array(MC_samples)  # [#samples x batch size x #classes]
  

  有关完整实现，请参阅以下ipython notebook .

  回复于 2024-04-18T19:48:36+08:00
• 1

  它已经在Keras中完成，参见例如this discussion在项目页面上 . 有关其工作原理的更多信息可以在CS231n: Convolutional Neural Networks for Visual Recognition中找到 - AFAIK在Keras中的实现非常类似 . 特别：

  （...）至关重要的是，请注意在预测函数中我们不再下降了，但是我们正在按pp执行两个隐藏层输出的缩放 . 这很重要，因为在测试时所有神经元都看到了所有输入，所以我们希望在测试时神经元的输出与训练时的预期输出相同 .

  回复于 2024-04-18T19:48:36+08:00