Dropout3d

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

隨機地將整個通道歸零。

一個通道是一個 3D 特徵圖，例如，批處理輸入中第 $j$ 個樣本的第 $i$ 個通道是一個 3D 張量 $\text{input}[i, j]$。

在每一次前向呼叫中，每個通道都會以機率 p 根據伯努利分佈的樣本獨立地歸零。

輸入通常來自 nn.Conv3d 模組。

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（這通常發生在早期卷積層中），那麼 i.i.d. dropout 將不會對啟用進行正則化，否則只會導致有效學習率降低。

在這種情況下，nn.Dropout3d() 將有助於促進特徵圖之間的獨立性，應改用它。

引數

• p (浮點型, 可選) – 元素被歸零的機率。

• inplace (布林型, 可選) – 如果設定為 True，將原地執行此操作

形狀

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

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

示例

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