Python深度学习pytorch神经网络Dropout应用详解解
扰动的鲁棒性
在之前我们讨论权重衰减（L2正则化）时看到的那样，参数的范数也代表了一种有用的简单性度量。简单性的另一个有用角度是平滑性，即函数不应该对其输入的微笑变化敏感。例如，当我们对图像进行分类时，我们预计向像素添加一些随机噪声应该是基本无影响的。
dropout在正向传播过程中，计算每一内部层同时注入噪声，这已经成为训练神经网络的标准技术。这种方法之所以被称为dropout，因为我们从表面上看是在训练过程中丢弃（drop out）一些神经元。在整个训练过程的每一次迭代中，dropout包括在计算下一层之前将当前层中的一些节点置零。
那么关键的挑战就是如何注入这种噪声，一种想法是以一种无偏的方式注入噪声。这样在固定住其他层时，每一层的期望值等于没有噪音时的值。
实践中的dropout
之前多层感知机是带有一个隐藏层和5个隐藏单元的。当我们将dropout应用到隐藏层时，以 p的概率将隐藏单元置为零时，结果可以看作是一个只包含原始神经元子集的网络。右图中，删除了 h2和 h5。因此，输出的计算不再依赖于 h2或 h5，并且它们各自的梯度在执行反向传播时也会消失。这样，输出层的计算不能过度依赖于 h1,…,h5的任何一个元素。
通常，我们在测试时仅用dropout。给定一个训练好的模型和一个新的样本，我们不会丢弃任何节点，因此不需要标准化。
简洁实现
对于高级API，我们所需要做的就是在每个全连接层之后添加一个Dropout层，将丢弃概率作为唯一的参数传递给它的构造函数。在训练过程中，Dropout层将根据指定的丢弃概率随机丢弃上一层的输出（相当于下一层的输入）。当不处于训练模式时，Dropout层仅在测试时传递数据。
net = nn.Sequential(nn.Flatten(), nn.Linear(784, 256), nn.ReLU(), # 在第一个全连接层之后添加一个dropout层 nn.Dropout(dropout1), nn.Linear(256, 256), nn.ReLU(), # 在第二个全连接层之后添加一个dropout层 nn.Dropout(dropout2), nn.Linear(256, 10)) def init_weights(m): if type(m) == nn.Linear: nn.init.normal_(m.weight, std=0.01) net.apply(init_weights)
接下来，我们对模型进行训练和测试。
trainer = torch.optim.SGD(net.parameters(), lr=lr) d2l.train_ch3(net, train_iter, test_iter, loss, num_epochs, trainer)
以上就是Python深度学习pytorch神经网络Dropout应用详解解的详细内容，更多关于pytorch神经网络Dropout应用的资料请关注脚本之家其它相关文章！
相关文章
这篇文章主要介绍了通过Python实现一个简单的电影售票系统，文中的示例代码对我们学习Python有一定的帮助，感兴趣的小伙伴可以跟随小编一起学习一下2021-12-12
这篇文章主要介绍了python实现AdaBoost算法的示例，帮助大家更好的理解和了解机器学习算法，感兴趣的朋友可以了解下2020-10-10
这篇文章主要介绍了python 等差数列末项计算方式，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2020-05-05
这篇文章主要介绍了用Python编写生成树状结构的文件目录的脚本的教程,是一个利用os模块下各函数的简单实现,需要的朋友可以参考下2015-05-05
向Excel文件添加文档属性是专业地组织和管理电子表格数据的关键步骤,这些属性,如标题、作者、主题和关键词,增强了文件的元数据,使得在大型数据库或文件系统中跟踪变得更加容易,本文将介绍如何使用Python高效地为Excel文件添加文档属性,需要的朋友可以参考下2024-05-05
这篇文章主要介绍了Python中的多进程与多线程,线程与进程一直是Python学习和运用当中的重点和难点,本文采用简单的例子进行讲解,需要的朋友可以参考下2015-04-04
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，需要的可以参考一下2022-02-02
这篇文章主要为大家详细介绍了Python实现自动发送邮件功能，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2017-12-12
今天小编就为大家分享一篇python实现控制台打印的方法，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2019-01-01
今天小编就为大家分享一篇关于在Python中使用Neo4j的方法，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧2019-03-03
最新评论