Dropout2d

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

隨機地將整個通道置零。

通道是一個二維特徵圖，例如，批處理輸入中第 $i$ 個樣本的第 $j$ 個通道是一個二維張量 $\text{input}[i, j]$。

每次前向傳播時，每個通道都會根據伯努利分佈獨立地以機率 p 被置零。

通常輸入來自 nn.Conv2d 模組。

正如論文 Efficient Object Localization Using Convolutional Networks 中所述，如果特徵圖中的相鄰畫素強相關（卷積層早期通常是這種情況），那麼 i.i.d. dropout 將無法規範化啟用，而只會導致有效學習率降低。

在這種情況下，nn.Dropout2d() 將有助於促進特徵圖之間的獨立性，應該改用它。

引數

• p (float, 可選) – 元素被置零的機率。

• inplace (bool, 可選) – 如果設定為 True，則此操作將原地執行。

警告

由於歷史原因，此類將對 3D 輸入執行 1D 通道 Dropout（與 nn.Dropout1d 所做的一樣）。因此，它目前不支援形狀為 $(C, H, W)$ 的無批次維度輸入。在未來的版本中，此行為將改變，以將 3D 輸入解釋為無批次維度輸入。要保持舊的行為，請改用 nn.Dropout1d。

形狀

• 輸入： $(N, C, H, W)$ 或 $(N, C, L)$。

• 輸出： $(N, C, H, W)$ 或 $(N, C, L)$ （與輸入形狀相同）。

示例

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