Dropout3d

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

随机地将整个通道归零。

一个通道是一个 3D 特征图，例如，批处理输入中第 $j$ 个样本的第 $i$ 个通道是一个 3D 张量 $\text{input}[i, j]$。

在每一次前向调用中，每个通道都会以概率 p 根据伯努利分布的样本独立地归零。

输入通常来自 nn.Conv3d 模块。

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（这通常发生在早期卷积层中），那么 i.i.d. dropout 将不会对激活进行正则化，否则只会导致有效学习率降低。

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 (浮点型, 可选) – 元素被归零的概率。

• inplace (布尔型, 可选) – 如果设置为 True，将原地执行此操作

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)