MATLAB中如何实现Dropout

在MATLAB中，可以使用`dropoutLayer()`函数来实现Dropout操作。以下是一个简单的例子：

layers = [
    fullyConnectedLayer(10)
    reluLayer
    dropoutLayer(0.5)
    fullyConnectedLayer(5)
    softmaxLayer
    classificationLayer];

options = trainingOptions('adam', ...
    'MaxEpochs', 10, ...
    'MiniBatchSize', 32, ...
    'InitialLearnRate', 1e-3, ...
    'Plots', 'training-progress');

net = trainNetwork(XTrain, YTrain, layers, options);

在上面的例子中，我们创建了一个具有Dropout层的神经网络。`dropoutLayer(0.5)`表示随机删除50％的输入数据。在训练期间，Dropout会随机删除一些输入数据来减少过拟合。此外，我们还配置了其他选项，如优化器和学习率。

需要注意的是，在测试和预测阶段，我们不需要Dropout。因此，我们需要使用`dropoutLayer()`函数的`'inference'`模式来指定在测试和预测阶段应该保留多少输入数据。例如：

net = loadTrainedNetwork('myTrainedNetwork.mat');
net.Layers(3).Mode = 'inference'; % 指定第三个层为'inference'模式