【深度学习】Dropout、DropPath

一、Dropout

1. 概念

Dropout 在训练阶段 会让当前层每个神经元以drop_prob（ 0 ≤ drop_prob ≤ 1 0\leq\text{drop\_prob}\leq1 0≤drop_prob≤1）的概率失活并停止工作，效果如下图。

在测试阶段不会进行Dropout。由于不同批次、不同样本的神经元失活情况不同，测试时枚举所有情况进行推理是不现实的，所以原文使用一种均值近似的方法进行逼近。详情如下图：

如图， w \bold{w} w为一个神经元后的权重。假设该神经元的输出均值为 μ \mu μ，若训练阶段该神经元的存活概率为 p p p，则Dropout使其输出均值变为 p × μ p\times\mu p×μ，为使测试时该神经元输出逼近训练输出，测试阶段该神经元输出会被乘上 p p p以使测试与训练输出均值相同。

简单来说，训练时Dropout按照概率drop_prob使神经元停止工作，测试时所有神经元正常工作，但其输出值要乘上1-drop_prob（ p = 1 − drop_prob p=1-\text{drop\_prob} p=1−drop_prob）。

不过，我们希望测试代码执行效率尽可能高，即便仅增加一个概率计算也不是我们希望的。所以实际计算时，会在训练阶段给神经元乘上一个缩放因子 1 p \frac{1}{p} p1。这样，训练输出的均值仍为 μ \mu μ，测试则不进行Dropout也不再乘上 p p p而是原样输出。

2. 功能

优势：

Dropout能够提高网络的泛化能力，防止过拟合。解释如下：

(1) 训练阶段每个神经元是相互独立的，仅drop_prob相同，即使是同一批次不同样本失活的神经元也是不同的。所以原文作者将Dropout的操作视为多种模型结构下结果的集成，由于集成方法能够避免过拟合，因此Dropout也能达到同样的效果。

(2) 减少神经元之间的协同性。有些神经元可能会建立与其它节点的固定联系，通过Dropout强迫神经元和随机挑选出来的其它神经元共同工作，减弱了神经元节点间的联合适应性，增强了泛化能力。
劣势：

(1) Dropout减缓了收敛的速度。训练时需要通过伯努利分布生成是否drop每一个神经元的情况，额外的乘法和缩放运算也会增加时间。

(2) Dropout一般用于全连接层，卷积层一般使用BatchNorm来防止过拟合。Dropout与BatchNorm不易兼容，Dropout导致训练过程中每一层输出的方差发生偏移，使得BatchNorm层统计的方差不准确，影响BatchNorm的正常使用。

3. 实现

python 复制代码

import torch.nn as nn
import torch


class dropout(nn.Module):
    def __init__(self, drop_prob):
        super(dropout, self).__init__()
        assert 0 <= drop_prob <= 1, 'drop_prob should be [0, 1]'
        self.drop_prob = drop_prob

    def forward(self, x):
        if self.training:
            keep_prob = 1 - self.drop_prob
            mask = keep_prob + torch.rand(x.shape)
            mask.floor_()
            return x.div(keep_prob) * mask
        else:
            return x


if __name__ == '__main__':
    x = torch.randn((8, 768))  # [batch_size, feat_dim]，dropout常在全连接层之后，所以我们以一维数据为例
    drop = dropout(0.1)
    my_o = drop(x)

二、DropPath

1. 概念

DropPath 在训练阶段将深度学习网络中的多分支结构随机删除，效果如下图：

上图是ViT中的一个模块，多分支体现在ResNet结构的引入。可以看出，DropPath在多分支中起作用对位置有明确的要求，需要放在分支合并之前。此外，DropPath也需要对训练输出进行缩放（乘 1 1 − drop_prob \frac{1}{1-\text{drop\_prob}} 1−drop_prob1）以确保测试输出结果的有效性和计算的高效性，这样在测试阶段就不会进行DropPath。

事实上，DropPath功能的实现是按照drop_prob概率将该分支的当前输出全部置0。具体来说，对于某个含有DropPath的分支，该分支输出的一个批次的每个样本都独立的按照drop_prob概率被完全置0或完整保留。

2. 功能

一般可以作为正则化手段加入网络防止过拟合，但会增加网络训练的难度。如果设置的drop_prob过高，模型甚至有可能不收敛。

3. 实现

python 复制代码

import torch
import torch.nn as nn


class DropPath(nn.Module):
    """
    随机丢弃该分支上的每个样本
    """
    def __init__(self, drop_prob=None):
        super(DropPath, self).__init__()
        self.drop_prob = drop_prob

    def forward(self, x):
        if self.drop_prob == 0. or not self.training:
            return x
        keep_prob = 1 - self.drop_prob

        shape = (x.shape[0],) + (1,) * (x.ndim - 1)  # (batch_size, 1, 1, 1)维数与输入保持一致，仅需要batch_size个值
        mask = keep_prob + torch.rand(shape, dtype=x.dtype, device=x.device)
        mask.floor_()  # 二值化，向下取整用于确定保存哪些样本

        output = x.div(keep_prob) * mask
        return output


if __name__ == "__main__":
    x = torch.randn((8, 197, 768))  # [batch_size, num_token, token_dim]
    drop_path = DropPath(drop_prob=0.5)
    my_o = drop_path(x)

致谢：

本博客仅做记录使用，无任何商业用途，参考内容如下：
【个人理解向】Dropout和Droppath原理及源码讲解
 nn.Dropout、DropPath的理解与pytorch代码
 Drop系列正则化