dropout1d

paddle.nn.functional. dropout1d ( x, p=0.5, training=True, inplace=False ) [源代码] 

根据丢弃概率 p，在训练过程中随机将某些 1D 通道置 0(对一个形状为 [N, C, L] 的 3D Tensor 或 [C, L] 的 2D Tensor，1D 通道指的是其中的形状为 L 的 1 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, L] 的 3D Tensor 或 [C, L] 的 2D 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。

inplace (bool，可选) - 是否原地操作。当前版本暂未实现(行为等同于 False)，未来版本将支持，默认值为 False。

返回

经过 dropout1d 之后的结果，与输入 x 形状相同的 Tensor。

代码示例

          >>> import paddle

# Case 1: 3D input (batched)
>>> x = paddle.randn([2, 3, 10])  # [N, C, L]
>>> y_train = paddle.nn.functional.dropout1d(x, p=0.2)  # Training mode
>>> y_test = paddle.nn.functional.dropout1d(x, p=0.2, training=False)  # Test mode
>>> print("Original first channel:", x[0, 0, :])
>>> print("Train output (may be zeroed):", y_train[0, 0, :])
>>> print("Test output (always unchanged):", y_test[0, 0, :])

# Case 2: 2D input (single sample)
>>> x = paddle.randn([3, 8])  # [C, L]
>>> y = paddle.nn.functional.dropout1d(x, p=0.5)
>>> print("Input shape:", x.shape)
>>> print("Output shape:", y.shape)
>>> print("Zeroed channels count:", paddle.sum(y == 0).item())

         