Dropout: descarte neuronas al azar
Fuerce la redundancia para mejorar la generalización
Dropout: descarte neuronas al azar es una lección gratuita de Deep Learning Academy en CoddyKit. Esta es la lección 2 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de Deep Learning Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de Deep Learning Academy incluye 4 lecciones en total.
Qué hace Dropout
Dropout desactiva aleatoriamente algunas neuronas durante cada paso de entrenamiento, para que la red no dependa demasiado de una sola unidad. 🎲
Por qué ayudan las desactivaciones aleatorias
Al eliminar neuronas al azar, dropout obliga a la red a crear rutas redundant, lo que distribuye el conocimiento y mejora la generalización.
La tasa de Dropout
La dropout rate p es la probabilidad de que se desactive cada neurona. Un valor como 0.5 significa que aproximadamente la mitad de las unidades se silencia en cada paso.
Añádalo en PyTorch
Puede añadir dropout mediante una sola capa. Coloque nn.Dropout entre las capas lineales para regularizar las activaciones que fluyen por ellas.
self.drop = nn.Dropout(p=0.5)
x = self.drop(torch.relu(self.fc1(x)))Las desactivaciones cambian en cada paso
En cada paso forward se desactiva un conjunto aleatorio different de neuronas, por lo que el modelo entrena efectivamente un enorme conjunto de redes más pequeñas.
El escalado mantiene el equilibrio
Para mantener estable la señal media, PyTorch scales al alza las activaciones que sobreviven durante el entrenamiento, de modo que las salidas en la prueba permanezcan equilibradas.
Desactívelo durante la evaluación
Dropout debe estar disabled durante la evaluación. Llamar a model.eval() lo desactiva para que todas las neuronas contribuyan a la predicción.
model.eval()
with torch.no_grad():
preds = model(x_val)Elija una tasa
Las rates habituales están entre 0.2 y 0.5. Los valores más altos regularizan más, pero pueden privar a la red de señal si se elevan demasiado.
Dónde colocarlo
Coloque dropout en las hidden layers anchas, donde el sobreajuste suele ser más intenso. Rara vez se aplica justo antes de la salida final.
Dropout y CNN
Para las características convolucionales, el dropout normal es menos eficaz. Muchas redes de visión prefieren Dropout2d o utilizan batch norm en su lugar.
Una herramienta económica y potente
Dropout no añade parámetros y apenas tiene coste, pero es una de las formas más fiables de shrink la brecha entre entrenamiento y validación.
Comprobación rápida
Piense en lo que debería hacer dropout al evaluar el modelo.
Resumen
Ha conocido dropout: silencia neuronas aleatoriamente durante el entrenamiento para fomentar la redundancia y luego lo desactiva durante la evaluación para obtener predicciones completas y estables. ✅
Aprende Python con un tutor de IA — gratis
Escribe y ejecuta código real en tu navegador, obtén ayuda instantánea de un tutor de IA disponible 24/7 y continúa donde lo dejaste en la web o en la aplicación.
- Cursos
- 30
- Lecciones
- 120
Preguntas frecuentes
¿La lección «Dropout: descarte neuronas al azar» es gratis?
Sí — el texto completo de «Dropout: descarte neuronas al azar» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de Deep Learning Academy, actualiza a CoddyKit PRO. El curso de Deep Learning Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Dropout: descarte neuronas al azar»?
Fuerce la redundancia para mejorar la generalización Practicas Deep Learning Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar Deep Learning Academy?
No se requiere experiencia previa. Deep Learning Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 2 de 4.
¿Cuánto tiempo toma la lección «Dropout: descarte neuronas al azar»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de Deep Learning Academy?
Sí. Cada lección de Deep Learning Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Interprete la brecha entre entrenamiento y validación
- Dropout: descarte neuronas al azar
- Batch Norm y Layer Norm
- Aumento de datos como datos gratuitos