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在过拟合大脑的问题，需要Dropout、权重衰减这样的正则化方最新法的加持。

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

问题是，实际应用中，针对不同的问题，利用结构ut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CNN、TL方ransformer这样的深度神经网络，自动学习D式自ropout模式的方法？

现在，谷歌大神Quoc动学 V. Le的团队，就提出了一种名为AutoDro习Dpout的方法。

&nrobsp;

https://arxiv.oporg/abs/2101.01761