Dropout2d

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

随机将整个通道置零。

通道是二维特征图，例如，批次输入中第 $i$ 个样本的第 $j$ 个通道是二维张量 $\text{input}[i, j]$。

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.Conv2d 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.Dropout2d() 将有助于促进特征图之间的独立性，应该被使用。

参数

• p (float, optional) – 元素被归零的概率。

• inplace (bool, optional) – 如果设置为 True，则将在原地执行此操作

警告

由于历史原因，该类将对三维输入执行一维通道级（channel-wise）的 Dropout（如 nn.Dropout1d 所做的那样）。因此，它目前不支持形状为 $(C, H, W)$ 的无批次维度的输入。此行为将在未来版本中更改，以将三维输入解释为无批次维度的输入。要保持旧行为，请切换到 nn.Dropout1d。

形状

• 输入：$(N, C, H, W)$ 或 $(N, C, L)$。

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

示例

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

forward(input)

执行前向传播。

返回类型

张量