GaussianDropout
จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน
บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ
GaussianDropout จะคูณอินพุตกับสัญญาณรบกวนที่สุ่มตัวอย่างจากการแจกแจงแบบปกติด้วยค่าเฉลี่ย 1.0
เนื่องจากนี่คือเลเยอร์การทำให้เป็นมาตรฐาน จึงใช้งานได้เฉพาะในช่วงเวลาการฝึกเท่านั้น ในระหว่างการอนุมาน GaussianDropout จะส่งผ่านอินพุตที่ไม่มีการแก้ไข
คำประกาศ
@noDerivative
public let probability: Scalar
คำประกาศ
@noDerivative
public let standardDeviation: Scalar
สร้างเลเยอร์ dropout แบบเกาส์เซียน
เงื่อนไขเบื้องต้น
ความน่าจะเป็นต้องเป็นค่าระหว่าง 0 ถึง 1 (รวม)
คำประกาศ
public init(probability: Scalar)
พารามิเตอร์
probability | ความน่าจะเป็นที่โหนดจะหลุดออก |
ใช้เสียงเกาส์เซียนแบบคูณ 1 ศูนย์กลางกับอินพุตระหว่างการฝึกเท่านั้น
คำประกาศ
@differentiable
public func forward(_ input: Tensor<Scalar>) -> Tensor<Scalar>
เนื้อหาของหน้าเว็บนี้ได้รับอนุญาตภายใต้ใบอนุญาตที่ต้องระบุที่มาของครีเอทีฟคอมมอนส์ 4.0 และตัวอย่างโค้ดได้รับอนุญาตภายใต้ใบอนุญาต Apache 2.0 เว้นแต่จะระบุไว้เป็นอย่างอื่น โปรดดูรายละเอียดที่นโยบายเว็บไซต์ Google Developers Java เป็นเครื่องหมายการค้าจดทะเบียนของ Oracle และ/หรือบริษัทในเครือ
อัปเดตล่าสุด 2024-11-12 UTC
[[["เข้าใจง่าย","easyToUnderstand","thumb-up"],["แก้ปัญหาของฉันได้","solvedMyProblem","thumb-up"],["อื่นๆ","otherUp","thumb-up"]],[["ไม่มีข้อมูลที่ฉันต้องการ","missingTheInformationINeed","thumb-down"],["ซับซ้อนเกินไป/มีหลายขั้นตอนมากเกินไป","tooComplicatedTooManySteps","thumb-down"],["ล้าสมัย","outOfDate","thumb-down"],["ปัญหาเกี่ยวกับการแปล","translationIssue","thumb-down"],["ตัวอย่าง/ปัญหาเกี่ยวกับโค้ด","samplesCodeIssue","thumb-down"],["อื่นๆ","otherDown","thumb-down"]],["อัปเดตล่าสุด 2024-11-12 UTC"],[],[]]
