Dropout3d

class torch.nn.Dropout3d(p=0.5, inplace=False)

随机将整个通道置零。

一个通道是 3D 特征图，例如，批输入中第 $i$ 个样本的第 $j$ 个通道是 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（正如卷积层早期情况那样），那么 i.i.d. dropout 将不会对激活进行正则化，并且除此之外只会导致学习率有效降低。

在这种情况下，应使用 nn.Dropout3d() 来帮助促进特征图之间的独立性。

参数

• p (float, optional) – 元素被置零的概率。

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

形状

• 输入： $(N, C, D, H, W)$ 或 $(C, D, H, W)$。

• 输出： $(N, C, D, H, W)$ 或 $(C, D, H, W)$ （形状与输入相同）。

示例

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