machine-learning - dropout中in-place是什么意思

Question

def dropout(input, p=0.5, training=True, inplace=False)

就地：如果设置为True，将就地执行此操作。

我想问一下dropout中的in-place是什么意思。它有什么作用？执行这些操作时性能有何变化？

谢谢

Answer 1

Keepinginplace=True本身会在张量本身中丢弃一些值input，而如果您 keep inplace=False，您会将结果保存在droput(input)要检索的其他变量中。

例子：

import torch
import torch.nn as nn
inp = torch.tensor([1.0, 2.0, 3, 4, 5])

outplace_dropout = nn.Dropout(p=0.4)
print(inp)
output = outplace_dropout(inp)
print(output)
print(inp) # Notice that the input doesn't get changed here


inplace_droput = nn.Dropout(p=0.4, inplace=True)
inplace_droput(inp)
print(inp) # Notice that the input is changed now

PS：这与您所询问的内容无关，但尽量不要input用作变量名，因为input它是 Python 关键字。我知道 Pytorch 文档也这样做，这很有趣。