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大脑在过拟合的问题，需要Dropout、权重衰减这样的正则化最新方法的加持。

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好的效：A果。

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

那么，是否能设计一种针对CNN、TransfoL方rmer这样的深度神经网络，自动学习Dropout模式自式的方法？

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。

&n习Dbsp;

 ro;

https://arxiv.org/abs/2101po.01761