Dropout

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

在训练期间，以概率 p 随机将输入张量的一些元素置零。

对于每个前向调用，零元素都是独立选择的，并且是从伯努利分布中采样的。

每个通道将在每次前向调用时独立置零。

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

此外，输出在训练期间会按因子 $\frac{1}{1-p}$ 缩放。这意味着在评估期间，模块仅计算恒等函数。

参数

• p (float) – 元素被置零的概率。默认值：0.5

• inplace (bool) – 如果设置为 True，将执行原地操作。默认值：False

形状

• 输入： $(*)$。输入可以是任何形状

• 输出： $(*)$。输出与输入形状相同

示例

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