浅谈pytorch中的dropout的概率p
更新时间：2021年05月27日 10:57:52 作者：小可爱123
这篇文章主要介绍了浅谈pytorch中的dropout的概率p，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
最近需要训练一个模型，在优化模型时用了dropout函数，为了减少过拟合。
训练的时候用dropout，测试的时候不用dropout。刚开始以为p是保留神经元的比率，训练设置0.5，测试设置1，loss根本没减小过，全设置成1也是一样的效果，后来就考虑到是不是p设置错了。
上网一搜，果然是的！！！p的含义理解错了！不是保留的，而是不保留的！
具体的代码为：
x2 = F.dropout(x1, p)
x1是上一层网络的输出，p是需要删除的神经元的比例。
当p=0时，保留全部神经元更新。当p=1时，神经元输出的值都为0。
补充：Pytorch--Dropout笔记
dropout常常用于抑制过拟合，pytorch也提供了很方便的函数。但是经常不知道dropout的参数p是什么意思。
在TensorFlow中p叫做keep_prob,就一直以为pytorch中的p应该就是保留节点数的比例，但是实验结果发现反了，实际上表示的是不保留节点数的比例。
看下面的例子：
a = torch.randn(10,1)
>>> tensor([[ 0.0684],
[-0.2395],
[ 0.0785],
[-0.3815],
[-0.6080],
[-0.1690],
[ 1.0285],
[ 1.1213],
[ 0.5261],
[ 1.1664]])
p=0.5
torch.nn.Dropout(0.5)(a)
>>> tensor([[ 0.0000],
[-0.0000],
[ 0.0000],
[-0.7631],
[-0.0000],
[-0.0000],
[ 0.0000],
[ 0.0000],
[ 1.0521],
[ 2.3328]])
p=0
torch.nn.Dropout(0)(a)
>>> tensor([[ 0.0684],
[-0.2395],
[ 0.0785],
[-0.3815],
[-0.6080],
[-0.1690],
[ 1.0285],
[ 1.1213],
[ 0.5261],
[ 1.1664]])
p=1
torch.nn.Dropout(0)(a)
>>> tensor([[0.],
[-0.],
[0.],
[-0.],
[-0.],
[-0.],
[0.],
[0.],
[0.],
[0.]])
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
Python高级技巧之利用psutil和subprocess实现程序监控与管理
本文介绍了如何使用Python的psutil和subprocess模块监控程序运行状态,并提供了一个案例脚本,用于监控目标程序并在停止时自动重启,详细介绍了subprocess模块的基本用法和psutil模块的系统信息获取、进程管理及资源监控功能,需要的朋友可以参考下2024-09-09
这篇文章主要介绍了讲解Python中fileno()方法的使用,是Python入门中的基础知识,需要的朋友可以参考下2015-05-05
Python的可读性和简单性是其广受欢迎的两大原因，本文介绍20个常用的Python技巧来提高代码的可读性，并能帮助你节省大量时间，下面的技巧将在你的日常编码练习中非常实用2023-04-04
今天小编就为大家分享一篇python求加权平均值的实例(附纯python写法)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-08-08
这篇文章主要为大家详细介绍了Python中的栈，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助2022-03-03
这篇文章主要介绍了Python用三种方式统计词频，每种方法给大家介绍的非常详细,需要的朋友可以参考下2019-07-07
这篇文章主要给大家介绍了关于python模块导入细节的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2018-12-12
这篇文章主要介绍了Python json模块使用实例,本文给出多个使用代码实例,需要的朋友可以参考下2015-04-04
今天小编就为大家分享一篇python使用mitmproxy抓取浏览器请求的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-07-07
今天小编就为大家分享一篇python打印异常信息的两种实现方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-12-12
最新评论