Dropout3d

class torch.nn.Dropout3d(p=0.5, inplace=False)

隨機將整個通道歸零。

通道是一個 3D 特徵圖，例如，批次輸入中第 $i$ 個樣本的第 $j$ 個通道是一個 3D 張量 $\text{input}[i, j]$。

每次前向呼叫時，每個通道將獨立地以機率 p 歸零，使用來自 Bernoulli 分佈的樣本。

通常輸入來自 nn.Conv3d 模組。

如論文 Efficient Object Localization Using Convolutional Networks 中所述，如果特徵圖中的相鄰像素強烈相關（早期卷積層中通常是這種情況），則 i.i.d. dropout 將不會正規化激活，而只會導致有效學習率降低。

在這種情況下，nn.Dropout3d() 將有助於促進特徵圖之間的獨立性，因此應該改用它。

參數

• p (float, optional) – 元素歸零的機率。

• inplace (bool, optional) – 如果設定為 True，將就地執行此操作

形狀

• 輸入： $(N, C, D, H, W)$ 或 $(C, D, H, W)$。

• 輸出： $(N, C, D, H, W)$ 或 $(C, D, H, W)$（與輸入形狀相同）。

範例

>>> m = nn.Dropout3d(p=0.2)
>>> input = torch.randn(20, 16, 4, 32, 32)
>>> output = m(input)