文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.ops.Dropout2D

class mindspore.ops.Dropout2D(keep_prob=0.5)

在训练期间，根据概率 $1-keep\mathrm{\_}prob$ ，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 $keep\mathrm{\_}prob$ 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)