_dropout_

改为更自然的表达：

辍学

classtorch.nn.Dropout(p=0.5, inplace=False)[源代码]

在训练过程中，以概率 p 随机将输入张量的某些元素置零。

零元素在每次前向调用时独立选择，并从中抽取自伯努利分布。

每个频道在每次向前调用时都会独立清零。

这种方法已被证明是一种有效的正则化技术，可以防止神经元的共适应现象，正如论文通过防止特征检测器的共适应来改进神经网络 中所述。

此外，在训练过程中，输出会被放大一个因子 $\frac{1}{1-p}$。这意味著在进行评估时，该模块只会执行恒等变换。

参数

• p (float) – 控制元素被置为零的概率。默认值：0.5

• inplace (bool) – 如果设置为True，将以原地方式执行此操作。默认值： False

形状:

• 输入: $(*)$。输入可以是任意形状。

• 输出: $(*)$。输出的形状与输入相同

示例:

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