Question

我认为在神经网络（尤其是通用对抗网络）的训练过程中更改辍学率有时是个好主意，从高辍学率开始，然后线性地将辍学率降低到零。您认为这可行吗？如果可以，是否有可能在张量流中实现这一点？

Answer 1

您可以将占位符传递到tf.nn.dropout的350519fa-006b-5244-8ab1-319c73082b60 # \/ \/ \/ # /\ /\ /\ fa190535-6b00-4452-8ab1-319c73082b60参数，以便能够在运行时提供任意的辍学率：

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Xml;
using System.Xml.Linq;

namespace ConsoleApplication1
{
    class Program
    {
        const string FILENAME = @"c:\temp\test.xml";
        static void Main(string[] args)
        {
            XDocument doc = XDocument.Load(FILENAME);

            List<XElement> games = doc.Descendants("game").ToList();

            string picture = games.Where(x => (string)x.Element("name") == "mylifeisdone").Select(x => (string)x.Element("picture")).FirstOrDefault();
        }
    }
}

关于这是否有意义，最好的验证方法是运行具有静态和变化辍学率的实验集，然后比较结果。

在张量流训练期间更改辍学率-有可能吗？

1 个答案: