将张量中的某些元素随机设置为零（计算时间短）

Question

我有一个形状为 (3072,1000) 的张量，它代表我的神经网络中的权重。我想：

随机将其 60% 的元素设置为零。
更新权重后，保持 60% 的元素等于零，但再次随机，即与之前的元素不同。

注意：我的网络不是通常使用反向传播算法的人工神经网络，而是大脑神经元的生物物理模型，所以我使用特殊的权重更新规则.因此，我认为pytorch中的现成函数，如果有的话，可能没有帮助。

我尝试了以下代码，它可以工作，但需要很长时间，因为每次更新我的权重张量后，我都必须运行该代码再次将权重张量设置为 60% 零

row_indices = np.random.choice(np.size(mytensor.weight, 0),
                       replace=False,size=int(np.size(mytensor.weight, 0)* 0.6))
column_indices = np.random.choice(np. size(mytensor.weight, 1),
                       replace=False, size=int(np. size(mytensor.weight, 1) * 0.6))
for r in row_indices:
    for c in column_indices:
        (mytensor.weight)[r][c] = 0

Answer 1

您可以为此使用 dropout 函数：

import torch.nn.functional as F

my_tensor.weight = F.dropout(my_tensor.weight, p=0.6)

Answer 2

如果你想将大约 60% 的权重设置为 0，iacob 的答案是完美的。如果你想将张量中的 m 值精确设置为零，那么你可以使用类似这样的东西

n = mytensor.weight.numel()
m = int(round(n*0.6))
indices = np.random.choice(n, m, replace=False) # alternative: indices = torch.randperm(n)[:m]
mytensor.weight = mytensor.weight.contiguous()  
mytensor.weight.flatten()[indices] = 0

将张量中的某些元素随机设置为零（计算时间短）

Randomly set some elements in a tensor to zero (with low computational time)

python

python-3.x

pytorch

dropout