Pytorch中nn.Dropout2d的作用

首先，关于Dropout方法，这篇博文有详细的介绍。简单来说,

我们在前向传播的时候，让某个神经元的激活值以一定的概率p停止工作，这样可以使模型泛化性更强，因为它不会太依赖某些局部的特征

dropout方法有很多类型，图像处理中最常用的是Dropout2d，我从网上找了很多的中文资料，都没有让人满意的介绍，意外发现源代码dropout.py中的介绍还挺好的：

Randomly zero out entire channels:A channel is a 2D feature map.
Each channel will be zeroed out independently on every forward call with probability :attr:`p` using samples from a Bernoulli distribution

它是适用于有多个channel的二维输出的

Pytorch中nn.Dropout2d的作用

原文：https://www.cnblogs.com/jiading/p/11944470.html