Dropout1d

class torch.nn.Dropout1d(p=0.5, inplace=False)

随机将整个通道置零。

一个通道是1D特征图，例如，批处理输入中的第 $i$-个样本的第 $j$-个通道是一个1D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.Conv1d 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（这在早期卷积层中通常是这种情况），则 i.i.d. dropout 将不会正则化激活，否则只会导致学习率有效降低。

在这种情况下，nn.Dropout1d() 将有助于促进特征图之间的独立性，并应予以使用。

参数

• p (float, optional) – 元素被归零的概率。

• inplace (bool, optional) – 如果设置为 True，则将在此操作中原地进行。

形状

• 输入： $(N, C, L)$ 或 $(C, L)$。

• 输出： $(N, C, L)$ 或 $(C, L)$ (与输入形状相同)。

示例

>>> m = nn.Dropout1d(p=0.2)
>>> input = torch.randn(20, 16, 32)
>>> output = m(input)