MATLAB中如何为CNN网络增加dropout层

在MATLAB中，您可以使用 "dropoutLayer" 函数来添加dropout层到CNN网络。dropout层可以帮助防止过拟合，提高模型的泛化能力。

以下是一个简单的例子，展示如何向CNN网络中添加dropout层：

layers = [
    imageInputLayer([28 28 1])
    convolution2dLayer(3,8,'Padding','same')
    batchNormalizationLayer
    reluLayer
    maxPooling2dLayer(2,'Stride',2)
    dropoutLayer(0.2) % 添加 dropout 层，保留概率为 0.2
    convolution2dLayer(3,16,'Padding','same')
    batchNormalizationLayer
    reluLayer
    maxPooling2dLayer(2,'Stride',2)
    dropoutLayer(0.2) % 添加 dropout 层，保留概率为 0.2
    fullyConnectedLayer(10)
    softmaxLayer
    classificationLayer];

在这个例子中，我们添加了两个dropout层，分别在第5层和第9层。dropout层的参数是保留概率，即输入元素被保留的概率。在这个例子中，我们设置保留概率为0.2，即每个输入元素有80%的概率被随机丢弃。

注意，dropout层只在训练期间起作用，测试期间不会应用dropout。在使用 "classify" 或 "predict" 函数进行推理时，需要将 "dropoutLayer" 从网络中删除，或者使用 "dlnetwork" 对象来保存训练后的网络。