Dropout1d

class torch.nn.Dropout1d(p=0.5, inplace=False) [source]

Случайно обнуляет целые каналы (канал — это 1D карта признаков, например, $j$-й канал $i$-й выборки в пакетном входе представляет собой 1D тензор $\text{input}[i, j]$). Каждый канал будет обнуляться независимо на каждом вызове с вероятностью p с использованием выборок из биномиального распределения.

Обычно вход поступает из nn.Conv1d модулей.

Как описано в статье Efficient Object Localization Using Convolutional Networks, если смежные пиксели в картах признаков сильно коррелированы (как обычно бывает в ранних сверточных слоях), то независимое дропаут не будет регулировать активации и в противном случае просто приведет к уменьшению эффективной скорости обучения.

В этом случае, nn.Dropout1d() поможет способствовать независимости между картами признаков и должен использоваться вместо него.

Параметры:

• p (float, необязательно) – вероятность обнуления элемента.
• inplace (bool, необязательно) – Если установлено True, эта операция будет выполнена на месте

Форма:

• Вход: $(N, C, L)$ или $(C, L)$.
• Выход: $(N, C, L)$ или $(C, L)$ (такая же форма, как и вход).

Примеры:

>>> m = nn.Dropout1d(p=0.2)
>>> input = torch.randn(20, 16, 32)
>>> output = m(input)