持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第4天，点击查看活动详情
简介
Hello！
非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～
ଘ(੭ˊᵕˋ)੭
昵称：海轰
标签：程序猿｜C++选手｜学生
简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖...已保研
学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！
唯有努力💪
torch.nn.Dropout()
语法
torch.nn.Dropout(p=0.5, inplace=False)
- p：元素归零的概率。 默认值：0.5
- inplace ： 如果设置为 True，将就地执行此操作。 默认值：False
个人理解：以概率p进行归零
作用
在训练期间，使用来自伯努利分布的样本以概率 p 将输入张量的一些元素随机归零，每个通道将在每次前转呼叫时独立归零
During training, randomly zeroes some of the elements of the input tensor with probability p using samples from a Bernoulli distribution. Each channel will be zeroed out independently on every forward call.
这已被证明是一种用于正则化和防止神经元共同适应的有效技术，如通过防止特征检测器的共同适应改善神经网络一文中所述
This has proven to be an effective technique for regularization and preventing the co-adaptation of neurons as described in the paper Improving neural networks by preventing co-adaptation of feature detectors .
此外，在训练中输出的比例为 。 这意味着在评估期间，模块只计算一个恒等函数。
举例
m = nn.Dropout(p=0.2)
input = torch.randn(3, 4)
output = m(input)
print('input : \n', input)
print('output : \n', output)
inplace=True时
m = nn.Dropout(p=0.2, inplace=True)
input = torch.randn(3, 4)
output = m(input)
print('input : \n', input)
print('output : \n', output)
参考
结语
文章仅作为个人学习笔记记录，记录从0到1的一个过程
希望对您有一点点帮助，如有错误欢迎小伙伴指正
