mindspore.mint.nn.Dropout
- class mindspore.mint.nn.Dropout(p=0.5)[源代码]
随机丢弃层。
Dropout是一种正则化手段,通过阻止神经元节点间的相关性来减少过拟合。该操作根据丢弃概率 p ,在训练过程中随机将一些神经元输出设置为0。并且训练过程中返回值会乘以 \(\frac{1}{1-p}\) 。在推理过程中,此层返回与 x 相同的Tensor。
论文 Dropout: A Simple Way to Prevent Neural Networks from Overfitting 中提出了该技术,并证明其能有效地减少过度拟合,防止神经元共适应。更多详细信息,请参见 Improving neural networks by preventing co-adaptation of feature detectors 。
说明
训练过程中每步对同一通道(或神经元)独立进行丢弃。
p 表示输入Tensor中元素设置成0的概率。
- 参数:
p (float) - 输入神经元丢弃概率,例如,p =0.9,删除90%的神经元。默认值:
0.5
。
- 输入:
x (Tensor) - Dropout的输入。
- 输出:
Tensor,输出为Tensor,其shape与 x shape相同。
- 异常:
TypeError - p 数据类型不是float。
ValueError - x 的shape长度小于1。
- 支持平台:
Ascend
样例:
>>> import mindspore >>> from mindspore import Tensor, mint >>> import numpy as np >>> x = Tensor(np.ones([2, 2, 3]), mindspore.float32) >>> net = mint.nn.Dropout(p=0.2) >>> net.set_train() >>> output = net(x) >>> print(output.shape) (2, 2, 3)