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在大脑过拟合的问题，需要Dropout、权重衰减这样的正则最新化方法的加持。
而最近的研究表明，如果对Dropout“剪研究掉”的神经元的结构进行利用，就能实现比随机替换更好的效果：A。
问题是，实际应用中，针对不同的问题，利用结构的方法需要ut人工设计，对Dropout的模式进行调整，泛化能oM力不足。
那么，是否能设计一种针对CNN、TranL方sformer这样的深度神经网络，自动学习Dropou式自t模式的方法？
现在，谷歌大神Quoc V. Le的动学团队，就提出了一种名为AutoDropout的习D方法。
&ronbsp;
https://arxiv.org/poabs/2101.01761