torch.nn.Dropout(p,inplace)说明

目的:提高泛化能力,防止特征检测器的共同适应

参数:

       p (float) –置0概率. Default: 0.5

       inplace (bool) – If set to True, 执行‘就地’操作. Default: False

操作:

        1.在训练阶段,以概率p随机将input中的元素置0,概率分布满足Bernoulli 分布

        2.在训练阶段,其他未被置0的元素乘于一个因子(1/(1-p))

example: 明显可以看出来其余未被置0的元素被乘了一个因子    2 (1/(1-0.5)

import torch.nn as nn
import torch
m = nn.Dropout(p=0.5,inplace=True)
input = torch.randn(3, 5)
print(input)

output = m(input)
print(output)

tensor([[ 0.2398, -1.6088, -0.9147, -0.7416,  0.8053],
        [ 1.6897,  1.4464,  1.4659,  1.9410, -0.6452],
        [-1.3300, -0.5658, -0.3383,  0.4237,  0.1850]])

tensor([[ 0.0000, -3.2176, -1.8293, -1.4831,  0.0000],
        [ 0.0000,  2.8927,  0.0000,  0.0000, -0.0000],
        [-2.6599, -0.0000, -0.6767,  0.8474,  0.3701]])

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值