Dropout3d#

class torch.nn.Dropout3d(p=0.5, inplace=False)[source]#

随机将整个通道置零。

一个通道是 3D 特征图，例如，批量输入中第 $i$ 个样本的第 $j$ 个通道是一个 3D 张量 $\text{input}[i, j]$ 。

在每次前向传播时，每个通道会以 p 的概率独立地被清零，使用来自伯努利分布的样本。

通常输入来自 nn.Conv3d 模块。

正如论文 Efficient Object Localization Using Convolutional Networks 中所述，如果特征图中的相邻像素强相关（这在早期卷积层中很常见），则 i.i.d. dropout 将不会正则化激活，否则只会导致有效的学习率降低。

在这种情况下，nn.Dropout3d() 将有助于促进特征图之间的独立性，并应被优先使用。

参数

形状

示例

>>> m = nn.Dropout3d(p=0.2)
>>> input = torch.randn(20, 16, 4, 32, 32)
>>> output = m(input)

forward(input)[source]#

执行前向传播。

文档