pytorch 全连接网络dropout

在PyTorch中，全连接网络（也称为多层感知机）可以使用`torch.nn.Linear`来实现。而对于dropout的使用，可以通过`torch.nn.Dropout`来实现。

下面是一个示例代码，展示了如何在PyTorch中构建一个带有dropout的全连接网络：

import torch
import torch.nn as nn

class MLP(nn.Module):
    def __init__(self, input_size, hidden_size, output_size, dropout_prob):
        super(MLP, self).__init__()
        self.fc1 = nn.Linear(input_size, hidden_size)
        self.dropout = nn.Dropout(dropout_prob)
        self.fc2 = nn.Linear(hidden_size, output_size)
        
    def forward(self, x):
        x = torch.relu(self.fc1(x))
        x = self.dropout(x)
        x = self.fc2(x)
        return x

在这个例子中，我们定义了一个名为`MLP`的自定义模型类。构造函数中的参数依次是输入大小（input_size）、隐藏层大小（hidden_size）、输出大小（output_size）和dropout概率（dropout_prob）。在构造函数中，我们创建了两个全连接层`fc1`和`fc2`，并且在第一个全连接层后应用了dropout。

在`forward`方法中，我们首先使用ReLU激活函数对输入进行非线性变换，然后应用dropout操作，最后通过第二个全连接层输出结果。

希望这能帮到你！如果你有任何其他问题，请随时问我。