dropout2d¶

paddle.nn.functional. dropout2d ( x, p=0.5, training=True, name=None ) [源代码] ¶

根据丢弃概率 p，在训练过程中随机将某些通道特征图置 0 (对一个形状为 NCHW 的 4 维 Tensor，通道特征图指的是其中的形状为 HW 的 2 维特征图)。

基于 paddle.nn.functional.dropout 实现，如您想了解更多，请参见 dropout 。

参数¶

x (Tensor) - 形状为 [N, C, H, W] 或 [N, H, W, C] 的 4D Tensor。数据类型为 float16、float32 或 float64。

p (float，可选) - 将输入通道置 0 的概率，即丢弃概率。默认值为 0.5。

training (bool，可选) - 标记是否为训练阶段。默认值为 True。

data_format (str，可选) - 指定输入的数据格式，输出的数据格式将与输入保持一致，可以是 NCHW 和 NHWC。其中 N 是批尺寸，C 是通道数，H 是特征高度，W 是特征宽度。默认值为 NCHW 。

name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

返回¶

经过 dropout2d 之后的结果，与输入 x 形状相同的 Tensor 。

代码示例¶

          import paddle

x = paddle.randn(shape=(2, 3, 4, 5)).astype(paddle.float32)
y_train = paddle.nn.functional.dropout2d(x)  #train
y_test = paddle.nn.functional.dropout2d(x, training=False) #test
for i in range(2):
    for j in range(3):
        print(x[i,j,:,:])
        print(y_train[i,j,:,:]) # may all 0
        print(y_test[i,j,:,:])

         