在LSTM网络中对输入层应用dropout (Keras)

在Keras中，是否可以对LSTM网络的输入层应用dropout？

如果我的模型是这样的：

model = Sequential()model.add(LSTM(10, input_shape=(look_back, input_length), return_sequences=False))model.add(Dense(1))

目标是实现这样的效果：

model = Sequential()model.add(Dropout(0.5))model.add(LSTM(10, input_shape=(look_back, input_length), return_sequences=False))model.add(Dense(1))

回答：

你可以使用Keras函数式API，你的模型可以这样写：

inputs = Input(shape=(input_shape), dtype='int32')x = Dropout(0.5)(inputs)x = LSTM(10,return_sequences=False)(x)

定义你的输出层，例如：

predictions = Dense(10, activation='softmax')(x)

然后构建模型：

model = Model(inputs=inputs, outputs=predictions)

学技术