tensorflow dropout

本文通过一个简单的TensorFlow代码示例展示了如何使用dropout来防止过拟合。示例中,我们创建了一个3x3的张量并对其应用了dropout操作,保留率为0.5。随后进行了变量初始化,并在一个会话中运行了该操作。
import tensorflow as tf
a = tf.constant([[1.,2.,3.],[4.,5.,6.],[7.,8.,9.]])
a = tf.nn.dropout(a,0.5)
b = tf.initialize_all_variables()

with tf.Session() as sess:
    sess.run(b)
    print(sess.run(a))

输出为:

[[  2.   4.   6.]
 [  8.  10.   0.]
 [  0.   0.   0.]]

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值