问tensorflow: tf.nn.dropout和tf.layers.dropout的区别

EN

快速浏览tensorflow/python/层/core.py和ops.py可以发现，tf.layers.dropout是tf.nn.dropout的包装器。

这两项职能的唯一区别是：

1. tf.nn.dropout有参数keep_prob：“每个元素被保留的概率” tf.layers.dropout有参数rate：“辍学率” 因此，keep_prob = 1 - rate定义为这里
2. tf.layers.dropout具有training参数：“是在训练模式(应用退出)还是在推理模式(返回未触及的输入)中返回输出。”

想法是一样的，参数略有不同。在nn.dropout中，keep_prob是每个元素被保留的概率。在layers.dropout中，rate=0.1将退出10%的输入单元。

所以keep_prob = 1 - rate。此外，layers.dropout还允许training参数。

通常，只要仔细阅读有关您所关心的函数的文档，您就会看到其中的不同之处。

在训练阶段，他们是相同的(只要“下降率”和“保持率”是一致的)。然而，对于评估(测试)阶段，它们是完全不同的。tf.nn.dropout仍然会做随机下降，而tf.layers.dropout不会丢弃任何东西(透明层)。在大多数情况下，使用tf.layers.dropout是有意义的。