Dropout1d

class torch.nn.modules.dropout.Dropout1d(p=0.5, inplace=False) [исходный код]

Случайным образом обнуляет целые каналы.

Канал — это одномерная карта признаков, например, канал с номером $j$ в образце с номером $i$ пакетного входа представляет собой одномерный тензор $\text{input}[i, j]$.

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

Обычно входные данные поступают из модулей nn.Conv1d.

Как описано в статье Эффективная локализация объектов с использованием сверточных сетей , если соседние пиксели внутри карт признаков сильно коррелируют (как это обычно бывает в ранних сверточных слоях), то независимый dropout не будет регуляризовать активации, а вместо этого приведет лишь к эффективному снижению скорости обучения.

В этом случае следует использовать nn.Dropout1d(), который поможет повысить независимость между картами признаков.

Параметры:

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

Форма:

• Вход: $(N, C, L)$ или $(C, L)$.
• Выход: $(N, C, L)$ или $(C, L)$ (той же формы, что и вход).

Примеры:

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

forward(input) [исходный код]

Выполняет прямой проход.

Тип возвращаемого значения:

Tensor