Dropout2d

class torch.nn.Dropout2d(p=0.5, inplace=False)

随机地将整个通道置零。

通道是一个二维特征图，例如，批处理输入中第 $i$ 个样本的第 $j$ 个通道是一个二维张量 $\text{input}[i, j]$。

每次前向传播时，每个通道都会根据伯努利分布独立地以概率 p 被置零。

通常输入来自 nn.Conv2d 模块。

正如论文 Efficient Object Localization Using Convolutional Networks 中所述，如果特征图中的相邻像素强相关（卷积层早期通常是这种情况），那么 i.i.d. dropout 将无法规范化激活，而只会导致有效学习率降低。

在这种情况下，nn.Dropout2d() 将有助于促进特征图之间的独立性，应该改用它。

参数

• p (float, 可选) – 元素被置零的概率。

• inplace (bool, 可选) – 如果设置为 True，则此操作将原地执行。

警告

由于历史原因，此类将对 3D 输入执行 1D 通道 Dropout（与 nn.Dropout1d 所做的一样）。因此，它目前不支持形状为 $(C, H, W)$ 的无批次维度输入。在未来的版本中，此行为将改变，以将 3D 输入解释为无批次维度输入。要保持旧的行为，请改用 nn.Dropout1d。

形状

• 输入： $(N, C, H, W)$ 或 $(N, C, L)$。

• 输出： $(N, C, H, W)$ 或 $(N, C, L)$ （与输入形状相同）。

示例

>>> m = nn.Dropout2d(p=0.2)
>>> input = torch.randn(20, 16, 32, 32)
>>> output = m(input)