\u200E
.. _cn_api_fluid_layers_dropout: dropout ------------------------------- .. py:function:: paddle.fluid.layers.dropout(x,dropout_prob,is_test=False,seed=None,name=None,dropout_implementation='downgrade_in_infer') 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 :ref:`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**: .. code-block:: python import paddle.fluid as fluid import numpy as np x = fluid.layers.data(name="x", shape=[32, 32], dtype="float32") droped = fluid.layers.dropout(x, dropout_prob=0.5) place = fluid.CPUPlace() exe = fluid.Executor(place) exe.run(fluid.default_startup_program()) np_x = np.random.random(size=(32, 32)).astype('float32') output = exe.run(feed={"x": np_x}, fetch_list = [droped]) print(output)