Dropout3d

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

随机将整个通道置零。

通道是一个三维特征图， 例如，$j$通道在批量输入的第$i$个样本中是一个三维张量$\text{input}[i, j]$。

每个通道将在每次前向调用时独立地以概率 p 被清零，使用从伯努利分布中抽取的样本。

通常输入来自 nn.Conv3d 模块。

如论文中所述 使用卷积网络进行高效目标定位， 如果特征图中的相邻像素高度相关 （通常在早期的卷积层中就是这种情况），那么独立同分布的dropout 将不会对激活进行正则化，否则只会导致 有效学习率的降低。

在这种情况下，nn.Dropout3d() 将有助于促进特征图之间的独立性，应优先使用。

Parameters

• p (float, 可选) – 元素被置零的概率。

• inplace (bool, 可选) – 如果设置为 True，将就地执行此操作

Shape:

• 输入: $(N, C, D, H, W)$ 或 $(C, D, H, W)$。

• 输出: $(N, C, D, H, W)$ 或 $(C, D, H, W)$ (与输入形状相同)。

示例：

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