dropout

paddle.fluid.layers.dropout(x, dropout_prob, is_test=False, seed=None, name=None, dropout_implementation=’downgrade_in_infer’)[源代码]

dropout操作

丢弃或者保持x的每个元素独立。Dropout是一种正则化手段，通过在训练过程中阻止神经元节点间的相关性来减少过拟合。根据给定的丢弃概率，dropout操作符按丢弃概率随机将一些神经元输出设置为0，其他的仍保持不变。

dropout op可以从Program中删除，提高执行效率。

参数

  • x (Variable) - 输入，多维Tensor。数据类型：float32和float64。

  • dropout_prob (float32) - 输入单元的丢弃概率，即输入单元设置为0的概率。

  • is_test (bool) - 标记是否是测试阶段。默认：False。

  • seed (int) - 整型数据，用于创建随机种子。如果该参数设为None，则使用随机种子。注：如果给定一个整型种子，始终丢弃相同的输出单元。训练过程中勿用固定不变的种子。

  • name (str|None) – 具体用法请参见 cn_api_guide_Name ，一般无需设置，默认值为None。

  • dropout_implementation (str) - 丢弃单元的方式，有两种’downgrade_in_infer’和’upscale_in_train’两种选择，默认：’downgrade_in_infer’。具体作用可以参考一下描述。

    1. downgrade_in_infer(default), 在预测时减小输出结果

      • train: out = input * mask
      • inference: out = input * (1.0 - dropout_prob)

      (mask是一个张量，维度和输入维度相同，值为0或1，值为0的比例即为 dropout_prob )

    2. upscale_in_train, 增加训练时的结果

      • train: out = input * mask / ( 1.0 - dropout_prob )
      • inference: out = input

      (mask是一个张量，维度和输入维度相同，值为0或1，值为0的比例即为 dropout_prob ）

dropout操作符可以从程序中移除，使程序变得高效。

返回

Tensor。经过丢弃部分数据之后的结果，与输入X形状相同的张量。

返回类型

Variable

代码示例

  1. import paddle.fluid as fluid
  2. import numpy as np
  3. x = fluid.layers.data(name="x", shape=[32, 32], dtype="float32")
  4. droped = fluid.layers.dropout(x, dropout_prob=0.5)
  5. place = fluid.CPUPlace()
  6. exe = fluid.Executor(place)
  7. exe.run(fluid.default_startup_program())
  8. np_x = np.random.random(size=(32, 32)).astype('float32')
  9. output = exe.run(feed={"x": np_x}, fetch_list = [droped])
  10. print(output)