SpatialDropout2D 层

[源代码]

SpatialDropout2D 类

tf_keras.layers.SpatialDropout2D(rate, data_format=None, **kwargs)

Dropout 的二维空间版本。

此版本执行与 Dropout 相同的功能，但是它会丢弃整个二维特征图，而不是单个元素。如果特征图中相邻像素之间存在强相关性（在早期卷积层中通常如此），那么常规 Dropout 不会正则化激活，否则只会导致有效学习率下降。在这种情况下，SpatialDropout2D 将有助于促进特征图之间的独立性，因此应该使用它。

参数

• rate: 0 到 1 之间的浮点数。要丢弃的输入单元的分数。
• data_format: 'channels_first' 或 'channels_last'。在 'channels_first' 模式下，通道维度（深度）位于索引 1，在 'channels_last' 模式下，它位于索引 3。当未指定时，使用 TF-Keras 配置文件 ~/.keras/keras.json（如果存在）中找到的 image_data_format 值，否则为 'channels_last'。默认为 'channels_last'。

调用参数

• inputs: 一个 4D 张量。
• training: Python 布尔值，指示层应该以训练模式（添加 dropout）还是推理模式（不做任何事情）运行。

输入形状

如果 data_format='channels_first'，则为形状为 (samples, channels, rows, cols) 的 4D 张量；如果 data_format='channels_last'，则为形状为 (samples, rows, cols, channels) 的 4D 张量。

输出形状 与输入相同

.

参考文献: - 使用卷积网络进行高效目标定位