关于在 RNN (Keras) 中正确使用 dropout

Question

我对如何在 keras 中正确使用带有 RNN 的 dropout 感到困惑，特别是对于 GRU 单元。keras 文档参考了这篇论文（https://arxiv.org/abs/1512.05287），我知道所有时间步长都应该使用相同的 dropout 掩码。这是通过指定 GRU 层本身的 dropout 参数来实现的。我不明白的是：

1. 为什么互联网上有几个例子，包括 keras 自己的例子（https://github.com/keras-team/keras/blob/master/examples/imdb_bidirectional_lstm.py）和 Andrew Ng 的 Coursera Seq 中的“触发词检测”作业。模型课程，他们显式地添加了一个 dropout 层“model.add(Dropout(0.5))”，据我所知，它将为每个时间步添加一个不同的掩码。

2. 上面提到的论文表明，这样做是不合适的，由于在所有时间步长中这种 dropout 噪声的积累，我们可能会丢失信号和长期记忆。但是，这些模型（在每个时间步使用不同的 dropout 掩码）如何能够学习并表现良好。

我自己训练了一个模型，它在每个时间步使用不同的 dropout 掩码，虽然我没有得到我想要的结果，但该模型能够过度拟合训练数据。根据我的理解，这使所有时间步长的“噪声累积”和“信号丢失”无效（我有 1000 个时间步长序列输入到 GRU 层）。

对这种情况的任何见解、解释或经验都会有所帮助。谢谢。

更新：

为了更清楚地说明，我将提到 keras 文档中 Dropout Layer 的摘录（“noise_shape: 1D integer tensor表示将与输入相乘的二进制 dropout 掩码的形状。例如，如果您的输入具有形状（batch_size , timesteps, features) 并且您希望所有时间步长的 dropout 掩码都相同，您可以使用 noise_shape=(batch_size, 1, features")。所以，我相信，可以看出，当明确使用 Dropout 层并且需要在每个时间步使用相同的掩码（如论文中所述），我们需要编辑这个 noise_shape 参数，这在我之前链接的示例中没有完成。

Answer 1

正如 Asterisk 在他的评论中解释的那样，循环单元内的 dropout 和单元输出后的 dropout 之间存在根本区别。这是您在问题中链接的keras 教程中的架构：

model = Sequential()
model.add(Embedding(max_features, 128, input_length=maxlen))
model.add(Bidirectional(LSTM(64)))
model.add(Dropout(0.5))
model.add(Dense(1, activation='sigmoid'))

您在LSTM 完成计算后添加了一个 dropout 层，这意味着该单元中不会再有任何循环传递。把这个 dropout 层想象成教导网络不要依赖特定时间步长的特定特征的输出，而是在不同的特征和时间步长中泛化信息。此处的 Dropout 与前馈架构没有什么不同。

什么加尔和Ghahramani提出在他们的论文（你的问题链接）是差之内的重复单元。在那里，您将在序列的时间步长之间删除输入信息。我发现这篇博文对理解这篇论文以及它与 keras 实现的关系非常有帮助。