Sperimentare con il dropout
Il dropout aiuta a prevenire l’overfitting azzerando casualmente alcuni valori di output durante l’addestramento. In questo esercizio costruirai una semplice rete neurale con dropout e osserverai come si comporta nelle modalità di training e di valutazione.
Il pacchetto torch.nn è pre-caricato come nn, e features è già definito per te.
Questo esercizio fa parte del corso
Introduzione al Deep Learning con PyTorch
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Model with Dropout
model = nn.Sequential(
nn.Linear(8, 6),
nn.Linear(6, 4),
____)
# Forward pass in training mode (Dropout active)
model.____
output_train = ____