您好,登錄后才能下訂單哦!
這篇文章主要介紹了Pytorch中如何測(cè)試nn.Dropout,具有一定借鑒價(jià)值,感興趣的朋友可以參考下,希望大家閱讀完這篇文章之后大有收獲,下面讓小編帶著大家一起了解一下。
Pytorch的nn.Dropout在每次被調(diào)用時(shí)dropout掉的參數(shù)都不一樣,即使是同一次forward也不同。
如果模型里多次使用的dropout的dropout rate大小相同,用同一個(gè)dropout層即可。
import torch
import torch.nn as nn
class MyModel(nn.Module):
def __init__(self):
super(MyModel, self).__init__()
self.dropout_1 = nn.Dropout(0.5)
self.dropout_2 = nn.Dropout(0.5)
def forward(self, input):
# print(input)
drop_1 = self.dropout_1(input)
print(drop_1)
drop_1 = self.dropout_1(input)
print(drop_1)
drop_2 = self.dropout_2(input)
print(drop_2)
if __name__ == '__main__':
i = torch.rand((5, 5))
m = MyModel()
m.forward(i)
結(jié)果如下:
*\python.exe */model.pytensor([[0.0000, 0.0914, 0.0000, 1.4095, 0.0000],[0.0000, 0.0000, 0.1726, 1.3800, 0.0000],[1.7651, 0.0000, 0.0000, 0.9421, 1.5603],[1.0510, 1.7290, 0.0000, 0.0000, 0.8565],[0.0000, 0.0000, 0.0000, 0.0000, 0.0000]])tensor([[0.0000, 0.0000, 0.4722, 1.4095, 0.0000],[0.0416, 0.0000, 0.1726, 1.3800, 1.3193],[0.0000, 0.3401, 0.6550, 0.0000, 0.0000],[1.0510, 1.7290, 1.5515, 0.0000, 0.0000],[0.6388, 0.0000, 0.0000, 1.0122, 0.0000]])tensor([[0.0000, 0.0000, 0.4722, 0.0000, 1.2689],[0.0416, 0.0000, 0.0000, 1.3800, 0.0000],[0.0000, 0.0000, 0.6550, 0.0000, 1.5603],[0.0000, 0.0000, 1.5515, 1.4596, 0.0000],[0.0000, 0.0000, 0.0000, 0.0000, 0.0000]])Process finished with exit code 0
感謝你能夠認(rèn)真閱讀完這篇文章,希望小編分享的“Pytorch中如何測(cè)試nn.Dropout”這篇文章對(duì)大家有幫助,同時(shí)也希望大家多多支持億速云,關(guān)注億速云行業(yè)資訊頻道,更多相關(guān)知識(shí)等著你來(lái)學(xué)習(xí)!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。