您好,登錄后才能下訂單哦!
這篇文章主要介紹“Pytorch nn.Dropout怎么使用”,在日常操作中,相信很多人在Pytorch nn.Dropout怎么使用問題上存在疑惑,小編查閱了各式資料,整理出簡單好用的操作方法,希望對大家解答”Pytorch nn.Dropout怎么使用”的疑惑有所幫助!接下來,請跟著小編一起來學習吧!
一句話總結:Dropout的是為了防止過擬合而設置
詳解部分:
1.Dropout是為了防止過擬合而設置的
2.Dropout顧名思義有丟掉的意思
3.nn.Dropout(p = 0.3) # 表示每個神經元有0.3的可能性不被激活
4.Dropout只能用在訓練部分而不能用在測試部分
5.Dropout一般用在全連接神經網絡映射層之后,如代碼的nn.Linear(20, 30)之后
代碼部分:
class Dropout(nn.Module): def __init__(self): super(Dropout, self).__init__() self.linear = nn.Linear(20, 40) self.dropout = nn.Dropout(p = 0.3) # p=0.3表示下圖(a)中的神經元有p = 0.3的概率不被激活 def forward(self, inputs): out = self.linear(inputs) out = self.dropout(out) return out net = Dropout() # Dropout只能用在train而不能用在test
以代碼為例
import torch import torch.nn as nn a = torch.randn(4, 4) print(a) """ tensor([[ 1.2615, -0.6423, -0.4142, 1.2982], [ 0.2615, 1.3260, -1.1333, -1.6835], [ 0.0370, -1.0904, 0.5964, -0.1530], [ 1.1799, -0.3718, 1.7287, -1.5651]]) """ dropout = nn.Dropout() b = dropout(a) print(b) """ tensor([[ 2.5230, -0.0000, -0.0000, 2.5964], [ 0.0000, 0.0000, -0.0000, -0.0000], [ 0.0000, -0.0000, 1.1928, -0.3060], [ 0.0000, -0.7436, 0.0000, -3.1303]]) """
由以上代碼可知Dropout還可以將部分tensor中的值置為0
import torch import torch.nn as nn import torch.autograd as autograd m = nn.Dropout(p=0.5) n = nn.Dropout2d(p=0.5) input = autograd.Variable(torch.randn(1, 2, 6, 3)) ## 對dim=1維進行隨機置為0 print(m(input)) print('****************************************************') print(n(input))
下面的都是錯誤解釋和錯誤示范,沒有刪除的原因是留下來進行對比,希望不要犯這類錯誤
# -*- coding: utf-8 -*- import torch import torch.nn as nn import torch.autograd as autograd m = nn.Dropout(p=0.5) n = nn.Dropout2d(p=0.5) input = autograd.Variable(torch.randn(2, 6, 3)) ## 對dim=1維進行隨機置為0 print(m(input)) print('****************************************************') print(n(input))
結果是:
可以看到torch.nn.Dropout對所有元素中每個元素按照概率0.5更改為零, 綠色橢圓,
而torch.nn.Dropout2d是對每個通道按照概率0.5置為0, 紅色方框內
注:我只是圈除了部分
到此,關于“Pytorch nn.Dropout怎么使用”的學習就結束了,希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習,快去試試吧!若想繼續學習更多相關知識,請繼續關注億速云網站,小編會繼續努力為大家帶來更多實用的文章!
免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。