Dropout

class torch.nn.Dropout(p=0.5, inplace=False)

在训练期间，以概率 p 随机将输入张量中的部分元素归零。

每次前向调用时都会独立选择要归零的元素，它们是从伯努利分布中采样的。

每次前向调用时，每个通道将独立地归零。

如论文 Improving neural networks by preventing co-adaptation of feature detectors 中所述，这已被证明是一种有效的正则化技术，可以防止神经元之间的协同适应。

此外，在训练期间，输出会按因子 $\frac{1}{1-p}$ 进行缩放。这意味着在评估期间，该模块仅计算一个恒等函数。

参数

• p (float) – 元素被归零的概率。默认值：0.5

• inplace (bool) – 如果设置为 True，将原地执行此操作。默认值：False

形状

• 输入: $(*)$。输入可以是任何形状

• 输出: $(*)$。输出与输入具有相同的形状

示例

>>> m = nn.Dropout(p=0.2)
>>> input = torch.randn(20, 16)
>>> output = m(input)