From fa8de3a24bb55ad9033bfcb7f9abd00dc3bd9454 Mon Sep 17 00:00:00 2001 From: Chen Long Date: Wed, 16 Sep 2020 14:41:07 +0800 Subject: [PATCH] [cherry-pick]Fix 2.0 dead link (#2644) * rm dropout * fix_dead links and remove dropout --- doc/fluid/api_cn/nn_cn/Dropout_cn.rst | 55 --------------- doc/fluid/api_cn/nn_cn/dropout_cn.rst | 7 -- .../api/paddle/nn/layer/common/Dropout_cn.rst | 68 ++++++++++--------- doc/paddle/release_note_cn.md | 2 +- doc/paddle/release_note_en.md | 2 +- 5 files changed, 37 insertions(+), 97 deletions(-) delete mode 100644 doc/fluid/api_cn/nn_cn/Dropout_cn.rst delete mode 100644 doc/fluid/api_cn/nn_cn/dropout_cn.rst diff --git a/doc/fluid/api_cn/nn_cn/Dropout_cn.rst b/doc/fluid/api_cn/nn_cn/Dropout_cn.rst deleted file mode 100644 index 345de11e7..000000000 --- a/doc/fluid/api_cn/nn_cn/Dropout_cn.rst +++ /dev/null @@ -1,55 +0,0 @@ -.. _cn_api_nn_Dropout: - -Dropout -------------------------------- - -.. py:function:: paddle.nn.Dropout(p=0.5, axis=None, mode="upscale_in_train”, name=None) - -Dropout是一种正则化手段，该算子根据给定的丢弃概率 `p` ，在训练过程中随机将一些神经元输出设置为0，通过阻止神经元节点间的相关性来减少过拟合。论文请参考: `Improving neural networks by preventing co-adaptation of feature detectors `_ - -在动态图模式下，请使用模型的 `eval()` 方法切换至测试阶段。 - -.. note:: - 对应的 `functional方法` 请参考: :ref:`cn_api_nn_functional_dropout` 。 - -参数 -::::::::: - - **p** (float): 将输入节点置为0的概率， 即丢弃概率。默认: 0.5。 - - **axis** (int|list): 指定对输入 `Tensor` 进行Dropout操作的轴。默认: None。 - - **mode** (str): 丢弃单元的方式，有两种'upscale_in_train'和'downscale_in_infer'，默认: 'upscale_in_train'。计算方法如下: - - 1. upscale_in_train, 在训练时增大输出结果。 - - - train: out = input * mask / ( 1.0 - p ) - - inference: out = input - - 2. downscale_in_infer, 在预测时减小输出结果 - - - train: out = input * mask - - inference: out = input * (1.0 - p) - - - **name** (str，可选): 操作的名称(可选，默认值为None）。更多信息请参见 :ref:`api_guide_Name` 。 - -形状 -::::::::: - - **输入** : N-D `Tensor` 。 - - **输出** : N-D `Tensor` ，形状与输入相同。 - -代码示例 -::::::::: - -.. code-block:: python - - import paddle - import numpy as np - - paddle.disable_static() - x = np.array([[1,2,3], [4,5,6]]).astype('float32') - x = paddle.to_tensor(x) - m = paddle.nn.Dropout(p=0.5) - y_train = m(x) - m.eval() # switch the model to test phase - y_test = m(x) - print(x.numpy()) - print(y_train.numpy()) - print(y_test.numpy()) diff --git a/doc/fluid/api_cn/nn_cn/dropout_cn.rst b/doc/fluid/api_cn/nn_cn/dropout_cn.rst deleted file mode 100644 index bf0fe47e2..000000000 --- a/doc/fluid/api_cn/nn_cn/dropout_cn.rst +++ /dev/null @@ -1,7 +0,0 @@ -.. _cn_api_nn_cn_dropout: - -dropout -------------------------------- -:doc_source: paddle.fluid.layers.dropout - - diff --git a/doc/paddle/api/paddle/nn/layer/common/Dropout_cn.rst b/doc/paddle/api/paddle/nn/layer/common/Dropout_cn.rst index ce72d582a..345de11e7 100644 --- a/doc/paddle/api/paddle/nn/layer/common/Dropout_cn.rst +++ b/doc/paddle/api/paddle/nn/layer/common/Dropout_cn.rst @@ -1,53 +1,55 @@ -.. _cn_api_fluid_dygraph_Dropout: +.. _cn_api_nn_Dropout: Dropout ------------------------------- -.. py:class:: paddle.fluid.dygraph.Dropout(p=0.5, seed=None, dropout_implementation='downgrade_in_infer', is_test=False) +.. py:function:: paddle.nn.Dropout(p=0.5, axis=None, mode="upscale_in_train”, name=None) -丢弃或者保持输入的每个元素独立。Dropout是一种正则化手段，通过在训练过程中阻止神经元节点间的相关性来减少过拟合。根据给定的丢弃概率，dropout操作符按丢弃概率随机将一些神经元输出设置为0，其他的仍保持不变。 +Dropout是一种正则化手段，该算子根据给定的丢弃概率 `p` ，在训练过程中随机将一些神经元输出设置为0，通过阻止神经元节点间的相关性来减少过拟合。论文请参考: `Improving neural networks by preventing co-adaptation of feature detectors `_ -Dropout层可以删除，提高执行效率。 +在动态图模式下，请使用模型的 `eval()` 方法切换至测试阶段。 -参数： - - **p** (float32，可选) - 输入单元的丢弃概率，即输入单元设置为0的概率。默认值：0.5 - - **seed** (int，可选) - 整型数据，用于创建随机种子。如果该参数设为None，则使用随机种子。注：如果给定一个整型种子，始终丢弃相同的输出单元。训练过程中勿用固定不变的种子。默认值：None。 - - **dropout_implementation** (str，可选) - 丢弃单元的方式，有两种'downgrade_in_infer'和'upscale_in_train'两种选择，默认：'downgrade_in_infer'。具体作用可以参考一下描述。 +.. note:: + 对应的 `functional方法` 请参考: :ref:`cn_api_nn_functional_dropout` 。 - 1. downgrade_in_infer(default), 在预测时减小输出结果 +参数 +::::::::: + - **p** (float): 将输入节点置为0的概率， 即丢弃概率。默认: 0.5。 + - **axis** (int|list): 指定对输入 `Tensor` 进行Dropout操作的轴。默认: None。 + - **mode** (str): 丢弃单元的方式，有两种'upscale_in_train'和'downscale_in_infer'，默认: 'upscale_in_train'。计算方法如下: - - train: out = input * mask + 1. upscale_in_train, 在训练时增大输出结果。 - - inference: out = input * (1.0 - p) + - train: out = input * mask / ( 1.0 - p ) + - inference: out = input - (mask是一个张量，维度和输入维度相同，值为0或1，值为0的比例即为 ``p`` ) + 2. downscale_in_infer, 在预测时减小输出结果 - 2. upscale_in_train, 增加训练时的结果 + - train: out = input * mask + - inference: out = input * (1.0 - p) - - train: out = input * mask / ( 1.0 - p ) + - **name** (str，可选): 操作的名称(可选，默认值为None）。更多信息请参见 :ref:`api_guide_Name` 。 - - inference: out = input +形状 +::::::::: + - **输入** : N-D `Tensor` 。 + - **输出** : N-D `Tensor` ，形状与输入相同。 - (mask是一个张量，维度和输入维度相同，值为0或1，值为0的比例即为 ``p`` ） - - - **is_test** (bool，可选) - 标记是否是测试阶段。此标志仅对静态图模式有效。对于动态图模式，请使用 ``eval()`` 接口。默认：False。 - -返回：无 - -**代码示例**： +代码示例 +::::::::: .. code-block:: python - import paddle.fluid as fluid - from paddle.fluid.dygraph.base import to_variable + import paddle import numpy as np - x = np.random.random(size=(3, 10, 3, 7)).astype('float32') - with fluid.dygraph.guard(): - x = to_variable(x) - m = fluid.dygraph.Dropout(p=0.5) - droped_train = m(x) - # 切换到 eval 模式 - m.eval() - droped_eval = m(x) - + paddle.disable_static() + x = np.array([[1,2,3], [4,5,6]]).astype('float32') + x = paddle.to_tensor(x) + m = paddle.nn.Dropout(p=0.5) + y_train = m(x) + m.eval() # switch the model to test phase + y_test = m(x) + print(x.numpy()) + print(y_train.numpy()) + print(y_test.numpy()) diff --git a/doc/paddle/release_note_cn.md b/doc/paddle/release_note_cn.md index fd5bbfb29..440006a10 100644 --- a/doc/paddle/release_note_cn.md +++ b/doc/paddle/release_note_cn.md @@ -129,7 +129,7 @@ - 新增常见Loss接口`paddle.nn.loss.*`和Metric接口`paddle.metric.*`的封装 - 发布基于高层API实现的12个模型 - Transformer，Seq2seq，LAC，BMN，ResNet，YOLOv3，VGG，MobileNet，TSM，CycleGAN，Bert，OCR - - 发布于[PaddlePaddle/hapi](https://github.com/paddlePaddle/hapi)仓库的[examples](https://github.com/PaddlePaddle/hapi/tree/master/examples)目录 + - 发布于[PaddlePaddle/hapi](https://github.com/paddlePaddle/hapi)仓库 - **模型执行** - 新增Model类`paddle.Model`封装，封装模型开发过程中常用的基础功能，包括： - 提供`Model.summary`接口，用于查看动态图组网的网络结构与参数数量。 diff --git a/doc/paddle/release_note_en.md b/doc/paddle/release_note_en.md index 0e91c2578..b9b4eb294 100644 --- a/doc/paddle/release_note_en.md +++ b/doc/paddle/release_note_en.md @@ -129,7 +129,7 @@ For Version Paddle 2.x, users are recommended to use APIs in the paddle root dir - **Model Networking** - Added the encapsulation of the common loss API `paddle.nn.loss.*` and metric API `paddle.metric.*` - - Released 12 models based on high-level API implementations, including Transformer, Seq2seq, LAC, BMN, ResNet, YOLOv3, VGG, MobileNet, TSM, CycleGAN, Bert, OCR. The code can be found in [PaddlePaddle/hapi examples](https://github.com/PaddlePaddle/hapi/tree/master/examples). + - Released 12 models based on high-level API implementations, including Transformer, Seq2seq, LAC, BMN, ResNet, YOLOv3, VGG, MobileNet, TSM, CycleGAN, Bert, OCR. The code can be found in [PaddlePaddle/hapi](https://github.com/PaddlePaddle/hapi). - **Model Execution** - Added class API `paddle.Model`, which encapsulates the common model development methods: -- GitLab