torch.nn.Dropout: Regularizarea prin Dezactivare Aleatorie în PyTorch & Deep Learning Practic

Prevenirea supra-ajustării (overfitting) prin setarea aleatorie a neuronilor la zero în timpul antrenării.

Sintaxă & invocare Python
torch.nn.Dropout(p=0.5, inplace=False)

Stratul torch.nn.Dropout anulează aleatoriu elemente din tensorul de intrare cu o probabilitate $p$ pe durata antrenării (model.train()), scalând elementele rămase cu factorul $\frac{1}{1-p}$ pentru a păstra valoarea medie neschimbată. În timpul evaluării (model.eval()), Dropout este dezactivat automat.

Exemplu de utilizare

import torch
import torch.nn as nn

dropout = nn.Dropout(p=0.2)
x = torch.ones(5)

# În mod antrenare (unele valori devin 0)
print(dropout(x))

# În mod evaluare (rămâne neschimbat)
dropout.eval()
print(dropout(x))  # tensor([1., 1., 1., 1., 1.])

Asigură că rețeaua nu dezvoltă co-dependențe rigide între neuroni individuali.

Învață AI • Comunitate & Q&A

Întrebări & Exemple practice: torch.nn.Dropout: Regularizarea prin Dezactivare Aleatorie

Ai o întrebare despre torch.nn.Dropout: Regularizarea prin Dezactivare Aleatorie sau ai descoperit un truc, prompt sau fragment de cod util? Distribuie-l cu ceilalți membri ai comunității!

🤖

Fii primul care pune o întrebare sau distribuie un fragment de cod / prompt!

Nu au fost adăugate încă întrebări sau resurse pentru această pagină. Dacă ai testat un prompt sau ai un snippet util, adaugă-l mai jos pentru comunitate.

Comunitate AI Adaugă o întrebare sau distribuie un cod / prompt

Moderare & Siguranță:

Pentru a menține calitatea și securitatea informațiilor, fiecare întrebare sau fragment de cod/prompt este analizat (manual sau prin moderare asistată de AI) înainte de publicare.