tf.nn.dropout

tf.nn.dropout(x, keep_prob, noise_shape = None, seed = None, name = None) 

解释：一个神经元将以概率keep_prob决定是否被激活，如果不被激活，那么该神经元的输出将是0，如果该神经元被激活，那么该神经元的输出值将被放大到原来的1/keep_prob倍。

          这里的放大操作是为了保持神经元输出总和不变。默认情况下，每个神经元是否被激活是相互独立的。

          但是，如果noise_shape被修改了，比如 shape(x) = [k, l, m, n], noise_shape = [k, 1, 1, n] ，那么每个批和通道都是相互独立的，但是每行和每列的数据都是关联的，即要不都为0，要不都还是原来的值。

转载于:https://www.cnblogs.com/hapyygril/p/10825188.html