根据tf.contrib.rnn.DropoutWrapper的API：output_keep_prob：单位张量或浮点数介于0和1之间，输出保持概率；如果为常数且为1，则不会添加任何输出压降。state_keep_prob：单位张量或浮点数介于0和1之间，输出保持概率；如果为常数且为1，则不会添加任何输出压降。对单元的输出状态执行状态删除。
这两个参数的描述几乎相同，对吗？
我将output_keep_prob设置为默认值，并设置为state_keep_prob=0.2，经过400次迷你批次的训练后，loss总是在11.3附近，而将output_keep_prob=0.2和state_keep_prob设置为默认值，经过20个迷你批次后，模型很快就会降到loss左右！我花了4天的时间发现了这个bug，真是神奇，任何人都可以解释这两个参数之间的区别吗？非常感谢！
超级参数：
lr = 5E-4
batch_size = 32
state_size = 256
multirnn_depth = 2
这是dataset。
最佳答案
state_keep_prob是添加到RNN的隐藏状态的缺失。添加到时间步长i状态的辍学将影响状态i+1, i+2, ...的计算。如您所知，这种传播效果通常不利于学习过程。output_keep_prob是添加到RNN输出中的dropout，该dropout对后续状态的计算没有影响。
关于python - tf.contrib.rnn.DropoutWrapper的state_keep_prob和output_keep_prob参数之间有什么区别，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/45674857/