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过大脑拟合的问题,需要Dropout、权重衰减这样的正则化方法最新的加持。
而最近的研究表明,如果对Dropout“剪掉”研究的神经元的结构进行利用,就能实现比随机替换更好的效果:A。
问题是,实际应用中,针对不同的问题,利用结构的方法ut需要人工设计,对Dropout的模式进行调整,泛化能力不oM足。
那么,是否能设计一种针对CNN、TransforL方mer这样的深度神经网络,自动学习Dropout模式式自的方法?
现在,谷歌大神Quoc V. Le的团队,就提出动学了一种名为AutoDropout的方法。
 习D;
&nbsrop;
https://arxiv.org/abs/po2101.01761