mindspore/docs/api/api_python/nn/mindspore.nn.Dropout.rst

mindspore.nn.Dropout
====================

.. py:class:: mindspore.nn.Dropout(keep_prob=0.5, dtype=mstype.float32)

    随机丢弃层。
	
    Dropout是一种正则化手段，该算子根据丢弃概率 :math:`1 - keep\_prob` ，在训练过程中随机将一些神经元输出设置为0，通过阻止神经元节点间的相关性来减少过拟合，在推理过程中，此层返回与 `x` 相同的Tensor。

    论文 `Dropout: A Simple Way to Prevent Neural Networks from Overfitting <http://www.cs.toronto.edu/~rsalakhu/papers/srivastava14a.pdf>`_ 中提出了该技术，并证明其能有效地减少过度拟合，防止神经元共适应。更多详细信息，请参见 `Improving neural networks by preventing co-adaptation of feature detectors <https://arxiv.org/pdf/1207.0580.pdf>`_ 。

    .. note::
        训练过程中每步对同一通道（或神经元）独立进行丢弃。

    **参数：**

    - **keep_prob** (float) - 输入神经元保留率，数值范围在0到1之间。例如，rate=0.9，删除10%的神经元。默认值：0.5。
    - **dtype** (:class:`mindspore.dtype`) - `x` 的数据类型。默认值：float32。

    **输入：**

    - **x** (Tensor) - Dropout的输入，任意维度的Tensor。数据类型必须为float16或float32。

    **输出：**

    Tensor，输出为Tensor，其shape与 `x` shape相同。

    **异常：**

    - **TypeError** - `keep_prob` 不是浮点数。
    - **TypeError** - `x` 的dtype既不是float16也不是float32。
    - **ValueError** - `keep_prob` 不在范围(0, 1]内。
    - **ValueError** - `x` 的shape长度小于1。