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过拟合大脑的问题，需要Dropout、权重衰减这样的正则化方最新法的加持。
而最近的研究表明，如果对Dropou研究t“剪掉”的神经元的结构进行利用，就能实现比随机替换更：A好的效果。
问题是，实际应用中，针对不同的问题，ut利用结构的方法需要人工设计，对Dropout的模oM式进行调整，泛化能力不足。
那么，是否能设计一种针对L方CNN、Transformer这样的深度神经网式自络，自动学习Dropout模式的方法？
现在，谷歌大神Qu动学oc V. Le的团队，就提出了一种名为AutoDr习Dopout的方法。
&nbrosp;
https://arxivpo.org/abs/2101.01761