Cómo utilizar el método torch.nn.Dropout() en Python PyTorch

En este artículo, vamos a discutir cómo usar el método torch.nn.Dropout() en Python PyTorch.

método torch.nn.Dropout()

En PyTorch, el método troch.nn.Dropout() reemplazó aleatoriamente algunos de los elementos de un tensor de entrada por 0 con una probabilidad determinada. Este método solo admite las entradas de valores no complejos. antes de continuar, veamos la sintaxis del método dado.

Sintaxis: torch.nn.Dropout(p=0.5, inplace=False)

Parámetros:

• P: P es la probabilidad de que un elemento sea reemplazado por 0 o no. El valor predeterminado de P es 0,5 
• inplace: Esto se utilizará para realizar esta operación en el lugar. El valor predeterminado de inplace es False.

Retorno: este método devuelve un tensor después de reemplazar algunos de los elementos del tensor de entrada por 0 con una probabilidad P dada. 

Ejemplo 1:

En este ejemplo, utilizaremos el método torch.nn.Dropout() con una probabilidad de 0,35. Significa que hay un 35% de posibilidades de que un elemento del tensor de entrada sea reemplazado por 0.

# Import required library
import torch
 
# define a tensor
tens = torch.tensor([-0.7345, 0.4347, -0.1237,
                     1.3379, 0.2343])
 
# print the tensor
print("Original tensor:", tens)
 
# use troch.nn.Dropout() method with
# probability p=0.35
drop = torch.nn.Dropout(.35)
Output_tens = drop(tens)
 
# Display Output
print(" Output Tensor:", Output_tens)

Producción:

 

Ejemplo 2:

En este ejemplo, usaremos el método torch.nn.Dropout() con una probabilidad de 0,85 y en su lugar es True. Significa que hay un 85% de posibilidades de que un elemento del tensor de entrada sea reemplazado por 0.

# Import the required library
import torch
 
# define a tensor
tens = torch.tensor([[-0.1345, -0.7437, 1.2377],
                     [0.9337, 1.6473, 0.4346],
                     [-0.6345, 0.9344, -0.2456]])
 
# print the tensor
print("\n Original tensor: \n", tens)
 
# use troch.nn.Dropout() method with
# probability p=0.85
# perform this operation in-place by
# using inplace=True
drop = torch.nn.Dropout(.85)
Output_tens = drop(tens)
 
# Display Tensor
print("\n Output Tensor: \n", Output_tens)

Producción: