Dropout_cn.rst

Dropout

.. py:function:: paddle.nn.Dropout(p=0.5, axis=None, mode="upscale_in_train", name=None)

Dropout 是一种正则化手段，根据给定的丢弃概率 p，在训练过程中随机将一些神经元输出设置为 0，通过阻止神经元节点间的相关性来减少过拟合。论文请参考：Improving neural networks by preventing co-adaptation of feature detectors

在动态图模式下，请使用模型的 eval() 方法切换至测试阶段。

Note

对应的 functional 方法 请参考：:ref:`cn_api_nn_functional_dropout` 。

参数

• p (float，可选) - 将输入节点置为 0 的概率，即丢弃概率。默认值为 0.5。

• axis (int|list，可选) - 指定对输入 Tensor 进行 Dropout 操作的轴。默认值为 None。

• mode (str，可选) - 丢弃单元的方式，有 'upscale_in_train' 和 'downscale_in_infer' 两种可供选择，默认值为 'upscale_in_train'。计算方法如下：

  1. upscale_in_train（默认值），在训练时增大输出结果：
     • 训练时： out = input \times \frac{mask}{(1.0 - p)}
     • 预测时： out = input
  2. downscale_in_infer，在预测时减小输出结果：
     • 训练时： out = input \times mask
     • 预测时： out = input \times (1.0 - p)

• name (str，可选) - 具体用法请参见 :ref:`api_guide_Name`，一般无需设置，默认值为 None。

形状

• 输入 : N-D Tensor 。
• 输出 : N-D Tensor，形状与输入相同。

代码示例

COPY-FROM: paddle.nn.Dropout