R Keras：在输入层和隐藏层上应用丢失正则化

Question

我正在学习 R 中的 Keras，我想在输入层（20000 个变量）和中间层（100 个神经元）上应用 dropout 正则化。我正在部署 Keras 进行回归。从官方 documentation 我已经达到以下模型构建：

model <- keras_model_sequential() %>%
         layer_dense(units = 100, activation = "relu", input_shape = 20000) %>%
         layer_dropout(0.6) %>%
         layer_dense(units = 1)

我应该如何调整代码以实现我打算制作的内容？

Answer 1

我找到了解决方案，所以我发布了一个答案，以防其他人遇到同样的问题。

model <- keras_model_sequential() %>%
         layer_dropout(0.8, input_shape = 20000) %>%
         layer_dense(units = 100, activation = "relu") %>%
         layer_dropout(0.6) %>%
         layer_dense(units = 1)

R Keras：在输入层和隐藏层上应用丢失正则化

R Keras: apply dropout regularization both on the input and the hidden layer

r

neural-network

keras

dropout