Keras滤除卷积滤波器

Question

我了解到dropout doesn't have the same effect for kernels of convolutional filters of a neural network, as it does for FC layers：

但是，如果您放弃整个过滤器，是否也适用相同的事实？

让我们假设一个网络结构如下：输入，Conv2D，Conv2D，...，Conv2D，Conv2D，Sigmoid。因此，整个网络中没有完全连接的层。

问题1 应用conv过滤器丢弃项是否合理，以避免过滤器之间相互适应以改善filter visualization的结果。

问题2 有没有一种快速的方法来在keras中进行滤除。

Answer 1

答案1 也许。

没有辍学：

具有辍学：

答案2 根据{{​​3}}状态，将keras.layers.Dropout(rate, noise_shape=None, seed=None)与noise_shape=(batch_size, 1, 1, features)一起使用。如果希望完整的尺寸的滤除蒙版相同，请使用1。