本文经AI新媒体量子位(公众号ID:QbitA谷歌I)授权转载,转载请联系出处。
深度神经网络往往存在大脑过拟合的问题,需要Dropout、权重衰减这样最新的正则化方法的加持。
而最近的研究表明,如果对Dro研究pout“剪掉”的神经元的结构进行利用,就能实现比随机:A替换更好的效果。
问题是,实际应用中,针对不同的问题,利用ut结构的方法需要人工设计,对Dropout的模式进行调整oM,泛化能力不足。
那么,是否能设计一种针对CNN、L方Transformer这样的深度神经网络,自动学习式自Dropout模式的方法?
现在,谷歌大神Quoc V.动学 Le的团队,就提出了一种名为AutoDropout习D的方法。
&nrobsp;
https://arxiv.poorg/abs/2101.01761
作者:最佳实践




.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)



