R Keras：在输入层和隐藏层上都应用dropout正则化

Question

我正在R中学习Keras，并且想在输入层上应用辍学正则化，因为它很大（20000个变量），并且在中间层（100个神经元）也是如此。我正在部署Keras进行回归。从官方documentation到下面的模型构建：

model <- keras_model_sequential() %>%
         layer_dense(units = 100, activation = "relu", input_shape = 20000) %>%
         layer_dropout(0.6) %>%
         layer_dense(units = 1)

我应该如何修改代码以实现自己的目标？

Answer 1

我找到了解决方案，所以我发布了一个答案，以防其他人遇到相同的问题。

self.env['model2name'].search([('name', '=', record2name)])