这篇文章主要介绍“Pytorch nn.Dropout怎么使用”，在日常操作中，相信很多人在Pytorch nn.Dropout怎么使用问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”Pytorch nn.Dropout怎么使用”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！
1.nn.Dropout用法一
一句话总结：Dropout的是为了防止过拟合而设置
详解部分：
1.Dropout是为了防止过拟合而设置的
2.Dropout顾名思义有丢掉的意思
3.nn.Dropout(p = 0.3) # 表示每个神经元有0.3的可能性不被激活
4.Dropout只能用在训练部分而不能用在测试部分
5.Dropout一般用在全连接神经网络映射层之后，如代码的nn.Linear(20, 30)之后
代码部分：
class Dropout(nn.Module):def __init__(self):super(Dropout, self).__init__()self.linear = nn.Linear(20, 40)self.dropout = nn.Dropout(p = 0.3) # p=0.3表示下图（a）中的神经元有p = 0.3的概率不被激活def forward(self, inputs):out = self.linear(inputs)out = self.dropout(out)return outnet = Dropout()# Dropout只能用在train而不能用在test2.nn.Dropout用法二
以代码为例
import torchimport torch.nn as nna = torch.randn(4, 4)print(a)"""tensor([[ 1.2615, -0.6423, -0.4142, 1.2982], [ 0.2615, 1.3260, -1.1333, -1.6835], [ 0.0370, -1.0904, 0.5964, -0.1530], [ 1.1799, -0.3718, 1.7287, -1.5651]])"""dropout = nn.Dropout()b = dropout(a)print(b)"""tensor([[ 2.5230, -0.0000, -0.0000, 2.5964], [ 0.0000, 0.0000, -0.0000, -0.0000], [ 0.0000, -0.0000, 1.1928, -0.3060], [ 0.0000, -0.7436, 0.0000, -3.1303]])"""由以上代码可知Dropout还可以将部分tensor中的值置为0
补充：torch.nn.dropout和torch.nn.dropout2d的区别
import torchimport torch.nn as nnimport torch.autograd as autogradm = nn.Dropout(p=0.5)n = nn.Dropout2d(p=0.5)input = autograd.Variable(torch.randn(1, 2, 6, 3)) ## 对dim=1维进行随机置为0print(m(input))print('****************************************************')print(n(input))
下面的都是错误解释和错误示范，没有删除的原因是留下来进行对比，希望不要犯这类错误
# -*- coding: utf-8 -*-import torchimport torch.nn as nnimport torch.autograd as autogradm = nn.Dropout(p=0.5)n = nn.Dropout2d(p=0.5)input = autograd.Variable(torch.randn(2, 6, 3)) ## 对dim=1维进行随机置为0print(m(input))print('****************************************************')print(n(input))结果是：
可以看到torch.nn.Dropout对所有元素中每个元素按照概率0.5更改为零， 绿色椭圆，
而torch.nn.Dropout2d是对每个通道按照概率0.5置为0， 红色方框内
注：我只是圈除了部分
到此，关于“Pytorch nn.Dropout怎么使用”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注编程网网站，小编会继续努力为大家带来更多实用的文章！
