什么是tf.nn.dropout的目的？

Question

我注意到TensorFlow中有两个关于dropout的API，一个是tf.nn.dropout，另一个是tf.layers.dropout。我只是想知道tf.nn.dropout的目的是什么？ 根据{{​​3}}，应该有一个参数来区分训练和测试阶段。我看到tf.layers.dropout提供了正确的行为，为什么另一个函数tf.nn.dropout？任何人有任何想法？感谢。

Answer 1

tf.layers.dropout在内部使用tf.nn.dropout函数。

如果你只是想使用更高级别的抽象并且不想控制辍学的许多方面，那么

tf.nn.dropout可能会有用。

看看api文档： 1）https://www.tensorflow.org/api_docs/python/tf/layers/dropout

2）https://www.tensorflow.org/api_docs/python/tf/nn/dropout

tf.layers.dropout是tf.nn.dropout的包装器，并且tf.layers使用“丢失率”而tf.nn“使用概率来保持输入”的术语略有不同。虽然可以在它们之间建立直接关系。

在tf.layers.dropout中还有一个额外的参数“Training”，它用于控制是否在训练模式（应用丢失）或推理模式下返回输出（返回输入不变）。