Función PyTorch torch.nn.Dropout2d

PyTorch torch.nn 参考手册Manual de referencia de PyTorch torch.nn

torch.nn.Dropout2dEs el módulo Dropout bidimensional en PyTorch.

Aleatoriamente pone a cero canales completos, adecuado para mapas de características de capas convolucionales.

Definición de la función

torch.nn.Dropout2d(p=0.5, inplace=False)

Características

  • Pone a cero aleatoriamente según la dimensión del canal (channel)
  • Todos los canales de cada muestra mantienen un patrón de descarte consistente

Ejemplo de uso

Ejemplo 1: Uso básico

Ejemplo

import torch
import torch.nn as nn

dropout2d = nn.Dropout2d(p=0.5)
dropout2d.train()

# Entrada: batch=4, canales=8, alto=16, ancho=16
x = torch.ones(4, 8, 16, 16)

output = dropout2d(x)

# Cuenta el número de canales descartados
non_zero_channels = (output.sum(dim=(2, 3)) != 0).float()
print(Proporción de canales no cero:, non_zero_channels.mean().item())
print(Se espera que aproximadamente 0.5 de los canales se conserve.)

Ejemplo 2: Comparación con Dropout

Ejemplo

import torch
import torch.nn as nn

dropout1d = nn.Dropout(0.5)
dropout2d = nn.Dropout2d(0.5)

# Entrada
x = torch.randn(2, 4, 8, 8)

# Dropout: pone a cero elementos individuales aleatoriamente
out1 = dropout1d(x)
# Dropout2d: pone a cero por canal
out2 = dropout2d(x)

print(Forma de Dropout:, out1.shape)
print(Forma de Dropout2d:, out2.shape)

Ejemplo 3: Uso en CNN

Ejemplo

import torch
import torch.nn as nn

# CNN con Dropout2d
model = nn.Sequential(
    nn.Conv2d(3, 64, 3, padding=1),
    nn.BatchNorm2d(64),
    nn.ReLU(),
    nn.Dropout2d(0.3),  # Descarte a nivel de mapa de características
    nn.Conv2d(64, 128, 3, padding=1),
    nn.BatchNorm2d(128),
    nn.ReLU(),
    nn.AdaptiveAvgPool2d(1),
    nn.Flatten(),
    nn.Linear(128, 10)
)

x = torch.randn(4, 3, 32, 32)
output = model(x)

print(Entrada:, x.shape, -> Salida:, output.shape)

Casos de uso

  • Redes convolucionales: Regularización a nivel de mapa de características
  • Reducir la dependencia entre canales

Nota: Dropout2d descarta por canal durante el entrenamiento; no tiene efecto durante la evaluación.

PyTorch torch.nn 参考手册Manual de referencia de PyTorch torch.nn

Otras extensiones