mxnet：具有共享mas的多个dropout层

Question

我想复制一个递归神经网络，每个时间层后面都有一个丢失层，这些丢失层共享它们的掩码。这种结构在A Theoretically Grounded Application of Dropout in Recurrent Neural Networks中有描述。在

就我所理解的代码而言，MXNet中实现的递归网络模型没有在时间层之间应用任何丢失层；函数的dropout（R API，Python API）等函数的dropout参数实际上定义了输入的丢失。因此，我需要从头开始重新实现这些函数。在

但是，Dropout层似乎不接受将mask定义为参数的变量。在

是否可以在计算图的不同位置创建多个dropout层，同时共享它们的掩码？在

Answer 1

根据讨论here，不可能指定掩码，并且使用随机种子对dropout的随机数生成器没有影响。在