Deep Learning avec Keras et TensorFlow

3.4 Éviter le surajustement grâce à la régularisation

139

© Dunod – Toute reproduction non autorisée est un délit.

Dropout avant chaque couche de poids) et l’inférence bayésienne approchée

98

.

Le dropout a ainsi reçu une solide justication mathématique.

•

Deuxièmement, les auteurs ont introduit une technique puissante appelée

MC Dropout, qui permet d’améliorer les performances de tout modèle dropout

entraîné sans avoir à le réentraîner ni même à le modier, qui fournit une

bien meilleure mesure de l’incertitude du modèle et qui est également simple

à mettre en œuvre.

Si vous trouvez que cela ressemble à un avertissement à la prudence, examinez le ...