Python PyTorch Dropout2d用法及代碼示例

本文簡要介紹python語言中 torch.nn.Dropout2d 的用法。

用法:

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

參數：

• p(float,可選的) -元素為zero-ed的概率。

• inplace(bool,可選的) -如果設置為 True ，將就地執行此操作

將整個通道隨機歸零(通道是 2D 特征圖，例如，批處理輸入中第 i 樣本的第 j 通道是 2D 張量 \text{input}[i, j] )。使用來自伯努利分布的樣本，每個通道將在每次前向調用時以p 的概率獨立清零。

通常輸入來自nn.Conv2d 模塊。

如論文中所述使用卷積網絡的高效對象定位，如果特征圖中的相鄰像素是強相關的(通常在早期卷積層中就是這種情況)，那麽 i.i.d. dropout 不會規範激活，否則隻會導致有效的學習率降低。

在這種情況下，nn.Dropout2d() 將有助於促進特征圖之間的獨立性，應改為使用。

形狀：

• 輸入：(N, C, H, W) 或 (C, H, W) 。

• 輸出：(N, C, H, W) 或 (C, H, W)(與輸入的形狀相同)。

例子：

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