Dropout2d

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

隨機將整個通道置零。

通道（Channel）是指一個 2D 特徵圖，例如，在批處理輸入中的第 $i$ 個樣本的第 $j$ 個通道是 2D 張量 $\text{input}[i, j]$。

在每次前向傳播時，每個通道會以 p 的機率獨立地被清零，使用來自伯努利分佈的樣本。

通常輸入來自 nn.Conv2d 模組。

正如論文 Efficient Object Localization Using Convolutional Networks 中所述，如果特徵圖中的相鄰畫素強相關（這在早期卷積層中很常見），則 i.i.d. dropout 將不會正則化啟用，否則只會導致有效的學習率降低。

在這種情況下，nn.Dropout2d() 將有助於促進特徵圖之間的獨立性，應取代其他方法。

引數

• p (float, optional) – 元素被歸零的機率。

• inplace (bool, optional) – 如果設定為 True，則將在原地執行此操作

警告

出於歷史原因，此類將對 3D 輸入執行 1D 通道維度的 Dropout（如 nn.Dropout1d 所做的那樣）。因此，它目前不支援沒有批次維度的形狀為 $(C, H, W)$ 的輸入。在未來的版本中，此行為將更改為將 3D 輸入解釋為無批次維度的輸入。要保持舊的行為，請切換到 nn.Dropout1d。

形狀

• 輸入：$(N, C, H, W)$ 或 $(N, C, L)$。

• 輸出：$(N, C, H, W)$ 或 $(N, C, L)$ （與輸入形狀相同）。

示例

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

forward(input)

執行前向傳播。

返回型別

張量