TensorFlow LSTM Dropout 实现答案

【问题标题】：Tensorflow LSTM Dropout ImplementationTensorFlow LSTM Dropout 实现
【发布时间】：2017-07-18 05:27:10
【问题描述】：

我读到的关于将 dropout 应用于 rnn 的所有内容都参考了 Zaremba et. al 的这篇论文，其中说不要在循环连接之间应用 dropout。神经元应该在 LSTM 层之前或之后随机退出，而不是 LSTM 层间。好的。

在每个人引用的论文中，似乎在每个时间步都应用了一个随机的“dropout mask”，而不是生成一个随机的“dropout mask”并重复使用它，将其应用于给定层中的所有时间步被丢弃出去。然后在下一批生成一个新的“dropout mask”。

此外，也许目前更重要的是，tensorflow 是如何做到的？我检查了 tensorflow api 并尝试四处寻找详细的解释，但还没有找到。

【问题讨论】：

【解决方案1】：

你可以检查实现here.

它在 RNNCell 的输入上使用dropout op，然后在输出上使用您指定的保持概率。

您输入的每个序列似乎都有一个新的输入掩码，然后是输出掩码。序列内部没有变化。

【讨论】：

谢谢。这确实给了我答案，在 tensorflow 中的 rnn 中使用 dropout 时不会经常应用它。对于任何想要此功能的人，我在 github 上打开了一个问题，问题 #7927。