Dropout3d

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

Случайно обнуляет целые каналы (канал — это 3D-отображение признаков, например, $j$-й канал $i$-й выборки в пакетном входе — 3D-тензор $\text{input}[i, j]$). Каждый канал будет обнуляться независимо при каждом вызове «вперед» с вероятностью p, используя выборки из биномиального распределения.

Обычно вход поступает из nn.Conv3d модулей.

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

В этом случае, nn.Dropout3d() поможет продвигать независимость между картами признаков и должен использоваться вместо этого.

Параметры

• p (float, необязательно) – вероятность обнуления элемента.
• inplace (bool, необязательно) – Если установлено в True, выполнит эту операцию на месте

Форма:

• Вход: $(N, C, D, H, W)$ или $(C, D, H, W)$.
• Выход: $(N, C, D, H, W)$ или $(C, D, H, W)$ (такая же форма, как у входа).

Примеры:

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