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大脑在过拟合的问题，需要Dropout、权重衰减这样的最新正则化方法的加持。

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：A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oM模式进行调整，泛化能力不足。

那么，是否能设计一种L方针对CNN、Transformer这样的深度神经式自网络，自动学习Dropout模式的方法？

现在，谷动学歌大神Quoc V. Le的团队，就提出了一种名为习DAutoDropout的方法。

&nrobsp;

https:po//arxiv.org/abs/2101.01761

&nutbsp;