pytorch中nn.Dropout怎么使用

小编给大家分享一下PyTorch中nn.Dropout怎么使用，希望大家阅读完这篇文章之后都有所收获，下面让我们一起去探讨吧！

看代码吧~

Class USeDropout(nn.Module):     def __init__(self):         super(DropoutFC, self).__init__()         self.fc = nn.Linear(100,20)         self.dropout = nn.Dropout(p=0.5)      def forward(self, input):         out = self.fc(input)         out = self.dropout(out)         return out Net = USeDropout() Net.train()

示例代码如上，直接调用nn.Dropout即可，但是注意在调用时要将模型参数传入。

补充：Pytorch的nn.Dropout运行稳定性测试

结论：

Pytorch的nn.Dropout在每次被调用时dropout掉的参数都不一样，即使是同一次forward也不同。

如果模型里多次使用的dropout的dropout rate大小相同，用同一个dropout层即可。

如代码所示：

import torchimport torch.nn as nnclass MyModel(nn.Module):    def __init__(self):        super(MyModel, self).__init__()        self.dropout_1 = nn.Dropout(0.5)        self.dropout_2 = nn.Dropout(0.5)    def forward(self, input):        # print(input)        drop_1 = self.dropout_1(input)        print(drop_1)        drop_1 = self.dropout_1(input)        print(drop_1)        drop_2 = self.dropout_2(input)        print(drop_2)if __name__ == '__main__':    i = torch.rand((5, 5))    m = MyModel()    m.forward(i)

结果如下：

*\python.exe */model.py
tensor([[0.0000, 0.0914, 0.0000, 1.4095, 0.0000],
[0.0000, 0.0000, 0.1726, 1.3800, 0.0000],
[1.7651, 0.0000, 0.0000, 0.9421, 1.5603],
[1.0510, 1.7290, 0.0000, 0.0000, 0.8565],
[0.0000, 0.0000, 0.0000, 0.0000, 0.0000]])
tensor([[0.0000, 0.0000, 0.4722, 1.4095, 0.0000],
[0.0416, 0.0000, 0.1726, 1.3800, 1.3193],
[0.0000, 0.3401, 0.6550, 0.0000, 0.0000],
[1.0510, 1.7290, 1.5515, 0.0000, 0.0000],
[0.6388, 0.0000, 0.0000, 1.0122, 0.0000]])
tensor([[0.0000, 0.0000, 0.4722, 0.0000, 1.2689],
[0.0416, 0.0000, 0.0000, 1.3800, 0.0000],
[0.0000, 0.0000, 0.6550, 0.0000, 1.5603],
[0.0000, 0.0000, 1.5515, 1.4596, 0.0000],
[0.0000, 0.0000, 0.0000, 0.0000, 0.0000]])

Process finished with exit code 0

pytorch的优点

1.PyTorch是相当简洁且高效快速的框架；2.设计追求最少的封装；3.设计符合人类思维，它让用户尽可能地专注于实现自己的想法；4.与Google的Tensorflow类似，FAIR的支持足以确保PyTorch获得持续的开发更新；5.PyTorch作者亲自维护的论坛 供用户交流和求教问题6.入门简单

看完了这篇文章，相信你对“pytorch中nn.Dropout怎么使用”有了一定的了解，如果想了解更多相关知识，欢迎关注编程网精选频道，感谢各位的阅读！