mindspore.mint.nn.Dropout

class mindspore.mint.nn.Dropout(p=0.5, inplace=False)

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 。

• inplace (bool) - 若为 True 则启用原地更新功能。默认值： False 。

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)