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大脑合的问题，需要Dropout、权重衰减这样的正则最新化方法的加持。

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

问题是，实际应用中，针对不同的问题，利用ut结构的方法需要人工设计，对Dropout的模式进行调整oM，泛化能力不足。

那么，是否能设计一种针对CNN、TraL方nsformer这样的深度神经网络，自动学习Dropo式自ut模式的方法？

现在，谷歌大神Quoc V. Le的团队，就动学提出了一种名为AutoDropout的方法。

&习Dnbsp;

hrottps://arxiv.org/abs/2101.0po1761