Dropout3d

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

随机将整个通道清零。

通道是一个 3D 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 3D 张量 $\text{input}[i, j]$.

每个通道将在每次前向调用中以概率 p 被独立清零，使用伯努利分布的样本。

通常，输入来自 nn.Conv3d 模块。

如论文 使用卷积网络进行高效目标定位 中所述，如果特征图内相邻像素之间存在强相关性（在早期卷积层中通常是这种情况），则 i.i.d. dropout 不会正则化激活，否则只会导致有效学习率下降。

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

参数

• p (浮点数，可选) – 元素被清零的概率。

• inplace (布尔值，可选) – 如果设置为 True，则将就地执行此操作

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)