Dropout是在訓練過程中以一定的概率使神經元失活,也就是輸出等於0。從而提高模型的泛化能力,減少過擬合。
Dropout在訓練和測試時的區別
Dropout只在訓練時產生作用,是爲了減少神經元對部分上層神經元的依賴,類似將多個不同網絡結構的模型集成起來,減少過擬合風險。
而在測試時,應該用整個訓練好的模型,因此不需要Dropout。
Dropout是在訓練過程中以一定的概率使神經元失活,也就是輸出等於0。從而提高模型的泛化能力,減少過擬合。
Dropout只在訓練時產生作用,是爲了減少神經元對部分上層神經元的依賴,類似將多個不同網絡結構的模型集成起來,減少過擬合風險。
而在測試時,應該用整個訓練好的模型,因此不需要Dropout。