如何在Keras函数式模型中添加Dropout?

假设我在Keras中有一个LSTM层,像这样:

x = Input(shape=(input_shape), dtype='int32')x = LSTM(128,return_sequences=True)(x)

现在我想在这个层上添加Dropout,使用以下代码:

X = Dropout(0.5)

但这会导致错误,我猜测上面的代码行是重新定义了X,而不是在其上添加Dropout。如何解决这个问题?


回答:

只需像这样添加x = Dropout(0.5)(x)

x = Input(shape=(input_shape), dtype='int32')x = LSTM(128,return_sequences=True)(x)x = Dropout(0.5)(x)

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注