[source]

GaussianNoise

keras.layers.GaussianNoise(stddev)

평균 0의 가산적 가우시안 잡음을 적용합니다.

이는 과적합을 완화하는데 유용합니다 (무작위 데이터 증강의 하나로 볼 수 있습니다). 가우시안 잡음(GS)은 실수 값의 인풋을 변질 처리하는 목적에 있어 자연스러운 선택입니다.

정규화 레이어이므로, 학습 과정 중에만 활성화됩니다.

인수

  • stddev: 부동소수점, 소음 분포의 표준 편차.

인풋 형태

임의의 형태를 취합니다. 이 레이어를 모델의 첫 번째 레이어로 사용하려면 키워드 인수 input_shape(정수 튜플로 샘플 축은 포함하지 않습니다)을 사용하십시오.

아웃풋 형태

인풋 형태와 동일.


[source]

GaussianDropout

keras.layers.GaussianDropout(rate)

평균 1의 승법적 가우시안 잡음을 적용합니다.

정규화 레이어이므로, 학습 과정 중에만 활성화됩니다.

인수

  • rate: 부동소수점, (Dropout에서처럼) 드롭 확률. 이 승법적 잡음은 sqrt(rate / (1 - rate))의 표준편차를 갖습니다.

인풋 형태

임의의 형태를 취합니다. 이 레이어를 모델의 첫 번째 레이어로 사용하려면 키워드 인수 input_shape(정수 튜플로 샘플 축은 포함하지 않습니다)을 사용하십시오.

아웃풋 형태

인풋 형태와 동일.

참조


[source]

AlphaDropout

keras.layers.AlphaDropout(rate, noise_shape=None, seed=None)

인풋에 알파 드롭아웃을 적용합니다.

알파 드롭아웃은 드롭아웃 이후에도 자기-정규화 특성이 보장되도록 인풋의 평균과 분산을 원래 값으로 유지하는 Dropout입니다. 알파 드롭아웃은 활성화를 무작위로 음수 포화 값에 지정하여, 조정 지수 선형 유닛(Scaled Exponential Linear Units)에 대한 학습에 탁월합니다.

인수

  • rate: 부동소수점, (Dropout에서처럼) 드롭 확률. 이 승법적 잡음은 sqrt(rate / (1 - rate))의 표준편차를 갖습니다.
  • seed: 난수 시드로 사용할 파이썬 정수.

인풋 형태

임의의 형태를 취합니다. 이 레이어를 모델의 첫 번째 레이어로 사용하려면 키워드 인수 input_shape(정수 튜플로 샘플 축은 포함하지 않습니다)을 사용하십시오.

아웃풋 형태

인풋 형태와 동일.

참조