dropout实现过程

1、dropout可以用来防止过拟合
pytorch中实现如下：

m = nn.Dropout(p=0.2)
input = torch.randn(2, 5)
print()
output = m(input)
print(input)
print(output)

输出如下

实际上，dropout不只mask掉某个位置的数，而且还将保留的数进行缩放，缩放比例为
${\frac{p}{1-p}}$
这里计算出来缩放比例为1.25。-0.1673*1.25=0.209125
dropout的作用在于对某个字（seq维度上）一共有384个特征，随机剔除几个特征，并放大剩余特征。

2、Dropout(x)的后续作用
Dropout： [batch_size, seq, hidden_dim]
W: [hidden_dim, 10]

上图中Dropout（x）维度为[1, 2, 4]，对图中Dropout（x）的第一行来说，W的第二行数据失效，第二行类似。因为seq维度不一定是独立的。
因为每个batch中的数据两两之间可以认为是独立的，对Dropout（x）每一行来说，都相当于独立训练一个分类器。