在实现混合量子LSTM模型时，模型出现了过拟合，导致准确率低。我尝试在nn.LSTM中设置dropout = 1，但没有改善。我使用了一个隐藏层。我该如何添加dropout层来减少过拟合？

模型参数：

input_dim = 16hidden_dim = 100layer_dim = 1output_dim = 1

模型类：

class LSTMModel(nn.Module):    def __init__(self, input_dim, hidden_dim, layer_dim, output_dim):        super(LSTMModel, self).__init__()        self.hidden_dim = hidden_dim                self.layer_dim = layer_dim        self.lstm = nn.LSTM(input_dim, hidden_dim, layer_dim, dropout=1, batch_first=True, )              self.fc = nn.Linear(hidden_dim, output_dim)        self.hybrid = Hybrid(qiskit.Aer.get_backend('qasm_simulator'), 100, np.pi / 2)    def forward(self, x):        h0 = torch.zeros(self.layer_dim, x.size(0), self.hidden_dim).requires_grad_()        c0 = torch.zeros(self.layer_dim, x.size(0), self.hidden_dim).requires_grad_()                x, (hn, cn) = self.lstm(x, (h0.detach(), c0.detach()))               x = self.fc(x[:, -1, :])         x = self.hybrid(x)        return T.cat((x, 1 - x), -1)    

回答：

Pytorch的LSTM层接受dropout参数作为层中节点被置零的概率。当你传入1时，它会将整个层置零。我猜你本来是想设定一个常规值，比如0.3或0.5。

正如@ayandas上面所说，它对每个层（除了最后一层）应用dropout（参见上面的链接），因此对于单层LSTM不起作用。如果你愿意，你总可以在LSTM层的输出处使用nn.dropout来应用你自己的dropout。