mindspore.ops.Dropout2D

class mindspore.ops.Dropout2D(keep_prob=0.5)[源代码]

在训练期间，根据概率 \(1-keep\_prob\) ，随机地将一些通道设置为0，且服从伯努利分布。（对于shape为 \((N, C, H, W)\) 的四维Tensor，通道特征图指的是shape为 \((H, W)\) 的二维特征图。）

Dropout2D 可以提高通道特征图之间的独立性。

说明

保持概率 \(keep\_prob\) 等于 mindspore.ops.dropout2d() 中的 \(1 - p\) 。

参数：

keep_prob (float，可选) - 输入通道保留率，数值范围在0到1之间，例如 keep_prob = 0.8，意味着过滤20%的通道。默认值： 0.5 。

输入：

x (Tensor) - shape为 \((N, C, H, W)\) 的四维张量，其中N是批处理，C是通道数，H是特征高度，W是特征宽度。

输出：

output (Tensor) - shape和数据类型与 x 相同。
mask (Tensor) - shape与 x 相同，数据类型为bool。

异常：

TypeError - x 不是Tensor。
TypeError - keep_prob 的数据类型不是float。
ValueError - keep_prob 值不在 [0.0，1.0] 之间。
ValueError - x 的维度不等于4。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> dropout = ops.Dropout2D(keep_prob=0.5)
>>> x = Tensor(np.ones([2, 1, 2, 3]), mindspore.float32)
>>> output, mask = dropout(x)
>>> print(output.shape)
(2, 1, 2, 3)