Neural network 使用nn.Sequential（）实现退出层

我正在尝试使用pytorch实现一个退出层，如下所示：

class DropoutLayer(nn.Module):
    def __init__(self, p):
        super().__init__()
        self.p = p

    def forward(self, input):
        if self.training:
            u1 = (np.random.rand(*input.shape)<self.p) / self.p
            u1 *= u1
            return u1
        else:
            input *= self.p

但我得到了以下错误：

TypeError: flatten() takes at most 1 argument (2 given)

不知道我做错了什么。pytorch还是个新手。谢谢。

在DropoutLayer的forward功能中，当您进入elsebranch时，不会返回。因此，下面的层展平将没有输入。然而，正如评论中强调的那样，这不是实际问题

实际的问题是，您正在将一个numpy数组传递给展平层。再现该问题的最低代码为：

nn.Flatten()(np.random.randn(5,5))
>>> TypeError: flatten() takes at most 1 argument (2 given)

然而，我无法解释为什么这一层的行为类似于numpy张量，平坦函数的行为更容易理解。我不知道该层还执行哪些其他操作

torch.flatten(np.random.randn(5,5))
>>> TypeError: flatten(): argument 'input' (position 1) must be Tensor, not numpy.ndarray

---

代码引发此错误的原因是，在向前传递中，您创建了一个numpy张量，执行了一些操作，然后返回它而不是返回张量。如果可以的话，你甚至不去碰第一个分支中的实际输入张量

代码被解析了，解决方案只是先调用nn.SequentialFlatten将输入矩阵增加到nx786维度。

它仍然会给出相同的错误。..train自动将模型设置为training，因此fwd evals中的if statemetn设置为trueyep my bad，我不是在回避实际问题，现在已经纠正了：如果你解决了你的问题，你可能会考虑接受你的答案。

torch.flatten(np.random.randn(5,5))
>>> TypeError: flatten(): argument 'input' (position 1) must be Tensor, not numpy.ndarray