Dropout3d

class torch.nn.Dropout3d(p=0.5, inplace=False) [исходный код]

Случайным образом обнуляет целые каналы.

Канал — это 3D-карта признаков, например $j$-й канал $i$-го элемента пакетного входа — это 3D-тензор $\text{input}[i, j]$.

При каждом прямом проходе каждый канал независимо обнуляется с вероятностью p на основе выборок из распределения Бернулли.

Обычно вход поступает из модулей nn.Conv3d.

Как описано в статье Эффективная локализация объектов с помощью сверточных сетей , если соседние пиксели внутри карт признаков сильно коррелируют (что обычно наблюдается на ранних слоях свертки), то независимый и одинаково распределенный dropout не будет регуляризовать активации, а лишь приведет к эффективному снижению скорости обучения.

В этом случае nn.Dropout3d() поможет обеспечить независимость между картами признаков, и его следует использовать вместо этого.

Параметры:

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

Форма:

• Вход: $(N, C, D, H, W)$ или $(C, D, H, W)$.
• Выход: $(N, C, D, H, W)$ или $(C, D, H, W)$ (та же форма, что и у входа).

Примеры:

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

forward(input) [исходный код]

Выполняет прямой проход.

Тип возвращаемого значения:

Tensor