tf.nn.dropout 激活函数

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

参数：
x：一个浮点型Tensor.
keep_prob：一个标量Tensor,它与x具有相同类型.保留每个元素的概率.
noise_shape：类型为int32的1维Tensor,表示随机产生的保持/丢弃标志的形状.
seed：一个Python整数.用于创建随机种子.
name：此操作的名称(可选).

返回：
该函数返回与x具有相同形状的Tensor.

该函数使x的一部分（概率大约为keep_prob）变为0，其余变为x/keep_prob,
noise_shape可以使得矩阵x一部分行全为0或者部分列全为0

sample

with tf.Session() as sess:
    d = tf.to_float(tf.reshape(tf.range(1,17),[4,4]))
    sess.run(tf.global_variables_initializer())
    print(sess.run(tf.shape(d)))
    print(sess.run(d[0]))

    # 矩阵有一半左右的元素变为element/0.5,其余为0
    dropout_a44 = tf.nn.dropout(d, 0.5, noise_shape = None)
    result_dropout_a44 = sess.run(dropout_a44)
    print(result_dropout_a44)

    # 行大小相同4，行同为0，或同不为0
    dropout_a41 = tf.nn.dropout(d, 0.5, noise_shape = [4,1])
    result_dropout_a41 = sess.run(dropout_a41)
    print(result_dropout_a41)

    # 列大小相同4，列同为0，或同不为0
    dropout_a24 = tf.nn.dropout(d, 0.5, noise_shape = [1,4])
    result_dropout_a24 = sess.run(dropout_a24)
    print(result_dropout_a24)
    #不相等的noise_shape只能为1

output

[[ 0.  4.  0.  8.]
 [10. 12. 14.  0.]
 [ 0. 20. 22.  0.]
 [26. 28. 30. 32.]]
[[ 2.  4.  6.  8.]
 [10. 12. 14. 16.]
 [18. 20. 22. 24.]
 [ 0.  0.  0.  0.]]
[[ 0.  0.  6.  0.]
 [ 0.  0. 14.  0.]
 [ 0.  0. 22.  0.]
 [ 0.  0. 30.  0.]]