我想构建一个前馈神经网络并在一小部分输入特征上对其进行训练(以过度拟合)。为此，我使用了 dropout 正则化，因为它遵循小部分训练逻辑，然后在整个特征上测试模型(在训练期间关闭并打开测试)。
但由于我对过度拟合很感兴趣，所以我认为 dropout 对我来说不是一个好的解决方案。那么我如何才能在训练期间以与 Dropout 正则化相同的方式关闭一些输入节点，但这次我不想随机关闭它们，而是选择在训练期间忽略哪些特征？
最佳答案
你可以这样做:
for param in model.parameters():
param.requires_grad = False
关闭模型中的图层
关于python - 在神经网络中关闭或忽略 pytorch 中的神经元，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/58434930/