如何在 LSTM 中添加 dropout 层以避免过拟合

Question

在实施混合量子 LSTM 模型时，该模型过度拟合，因此精度较低。我尝试在 nn.LSTM 中设置 dropout = 1 但没有改善。我使用了一个隐藏层。如何添加 dropout 层来减少过拟合？

模型参数：

input_dim = 16
hidden_dim = 100
layer_dim = 1
output_dim = 1

型号class：

class LSTMModel(nn.Module):
    def __init__(self, input_dim, hidden_dim, layer_dim, output_dim):
        super(LSTMModel, self).__init__()
        self.hidden_dim = hidden_dim
        
        self.layer_dim = layer_dim

        self.lstm = nn.LSTM(input_dim, hidden_dim, layer_dim, dropout=1, batch_first=True, )
      
        self.fc = nn.Linear(hidden_dim, output_dim)
        self.hybrid = Hybrid(qiskit.Aer.get_backend('qasm_simulator'), 100, np.pi / 2)

    def forward(self, x):
        h0 = torch.zeros(self.layer_dim, x.size(0), self.hidden_dim).requires_grad_()

        c0 = torch.zeros(self.layer_dim, x.size(0), self.hidden_dim).requires_grad_()
        
        x, (hn, cn) = self.lstm(x, (h0.detach(), c0.detach()))
       
        x = self.fc(x[:, -1, :]) 
        x = self.hybrid(x)
        return T.cat((x, 1 - x), -1)

Answer 1

Pytorch 的 LSTM layer 将 dropout 参数作为 层的节点被清零的概率 。当你通过 1 时，它会将整个层清零。我假设您打算将其设置为常规值，例如 0.3 或 0.5。

正如@ayandas 上面所说，它也将 dropout 应用到每一层 除了最后一层 （参见上面的 link ），所以它不适用于单层 LSTM。如果您愿意，您始终可以在 LSTM 层的输出中使用 nn.dropout 应用自己的 dropout。

如何在 LSTM 中添加 dropout 层以避免过拟合

How to add a dropout layer in LSTM to avoid overfitting

python

machine-learning

deep-learning

lstm

pytorch