如何在MXNet中使用channel Dropout (Dropout2d)

本文主要是介绍如何在MXNet中使用channel Dropout (Dropout2d)，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

在很多实际使用场景下，特别是语义分割等输出像素级预测结果的全卷积神经网络中，经常会使用到随机drop特征图维度的操作。在Pytorch中，可以直接使用torch.nn.Dropout2d实现相应功能。然而在MXNet中可能略显麻烦。

查阅MXNet文档并不能直接找到所需的信息，因为Dropout模块被定义为了最基础版本的、随机drop数组中任意元素的功能。唯一可能与需求相关的参数’axes’，其定义过于晦涩，无法理解。

而在更加“友好”的Gluon文档中，对应模块的解释仍然令人费解。简单查阅文档后仍不知道如何设置该参数。

为了实现drop某个channel的功能，当输入特征为4维的时候（NxCxHxW），mx.sym.Dropout应该这样使用：

import mxnet as mx
import numpy as np
a=np.array([1,2,

这篇关于如何在MXNet中使用channel Dropout (Dropout2d)的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---