Dropout3d

class torch.nn.Dropout3d(p=0.5, inplace=False)

随机将整个通道置零。

通道是 3D 特征图，例如，批量输入中第 $i$ 个样本的第 $j$ 个通道是 3D 张量 $\text{input}[i, j]$。

每个通道将在每次正向调用时独立地以概率 p 置零，使用来自伯努利分布的样本。

通常输入来自 nn.Conv3d 模块。

正如论文 Efficient Object Localization Using Convolutional Networks 中所述，如果特征图内的相邻像素强相关（这在早期的卷积层中通常是这种情况），那么 i.i.d. dropout 将不会正则化激活，否则只会导致有效的学习率降低。

在这种情况下，nn.Dropout3d() 将有助于促进特征图之间的独立性，应改用它。

参数

• p (float, 可选) – 元素被置零的概率。

• inplace (bool, 可选) – 如果设置为 True，将进行原地操作

形状

• 输入: $(N, C, D, H, W)$ 或 $(C, D, H, W)$。

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

示例

>>> m = nn.Dropout3d(p=0.2)
>>> input = torch.randn(20, 16, 4, 32, 32)
>>> output = m(input)