【发布时间】：2017-12-05 06:40:07
【问题描述】：
在使用 MxNet 训练深度卷积神经网络时，为了减少过度拟合，打开一定量的 dropout 的最简单方法是什么？有没有办法在网络架构中不手动实现 dropout 来增加 dropout 率？
【问题讨论】：
标签： deep-learning mxnet
【发布时间】：2017-12-05 06:40:07
【问题描述】：
是的，您可以设置辍学率。 dropout 层 API 在这里：https://mxnet.incubator.apache.org/api/python/symbol/symbol.html?highlight=dropout#mxnet.symbol.Dropout
其中 p 是辍学率。
【讨论】：
-
感谢乔治的回答。我也在搜索时发现了该 API。但是，我不清楚如果我们有像 Resnet 或 InceptionV3 这样的网络实现，我们应该如何使用它。可以举个例子吗？
-
就像在网络中添加任何其他层一样：
conv1 = mx.sym.Convolution(data=act1, num_filter=int(num_filter*0.25), kernel=(1,1)...) dropout1 = symbol.Dropout(conv1, p = 0.2)