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。

深度神经网络往往大脑存在过拟合的问题，需要Dropout、权重衰减这样的正最新则化方法的加持。

而最近的研究表明，如果对Dropo研究ut“剪掉”的神经元的结构进行利用，就能实现比：A随机替换更好的效果。

问题是，实际应用中，针对不同的问题，ut利用结构的方法需要人工设计，对Dropout的模式进行调oM整，泛化能力不足。

那么，是否能设计一种针对CNNL方、Transformer这样的深度神经网络，自动学式自习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AutoDropou习Dt的方法。

&nrobsp;

https://arxiv.oporg/abs/2101.01761