mlx.nn.Dropout2d#

class Dropout2d(p: float = 0.5)#

在训练期间应用二维通道式 Dropout。

以概率 \(p\) 随机独立地将整个通道归零。该层期望通道在最后，即输入形状应为 NWHC 或 WHC，其中：N 是批次维度，``H`` 是输入图像高度，``W`` 是输入图像宽度，``C`` 是输入通道数。

剩余的通道按 \(\frac{1}{1-p}\) 进行缩放，以保持每个元素的期望值。与将单个条目归零的传统 Dropout 不同，该层将整个通道归零。这对于早期卷积层是有益的，因为在这些层中相邻像素是相关的。在这种情况下，传统 Dropout 可能无法有效正则化激活。更多详情请参阅 [1]。

[1]: Thompson, J., Goroshin, R., Jain, A., LeCun, Y. and Bregler C., 2015. Efficient Object Localization Using Convolutional Networks. CVPR 2015.

方法

mlx.nn.Dropout2d