我知道这篇文章是在问与this 类似的问题。
但我只是想澄清一下，最好是指向某种说明差异的 Keras 文档的链接。
在我看来，dropout 在神经元之间起作用。 recurrent_dropout 在时间步之间作用于每个神经元。但是，我对此毫无根据。
Keras webite 上的文档根本没有帮助。
【问题讨论】：
标签： deep-learning keras lstm recurrent-neural-network dropout
Keras LSTM 文档包含高级解释：
dropout：在 0 和 1 之间浮动。输入的线性变换要丢弃的单位的分数。
recurrent_dropout：在 0 和 1 之间浮动。用于线性变换的单位的分数 的循环状态。
但这完全对应你指的the answer：
常规 dropout 应用于输入和/或输出，表示从
x_t到h_t的垂直箭头。 ...Recurrent dropout 掩盖（或“丢弃”）循环单元之间的连接；那将是您图片中的水平箭头。
如果您对公式级别的详细信息感兴趣，最好的方法是检查源代码：keras/layers/recurrent.py，查找rec_dp_mask（recurrent dropout mask）和dp_mask。一个是影响h_tm1（之前的内存单元），另一个是影响inputs。
【讨论】：