我对 Python 和这个板子很陌生，所以我不确定我是否在正确的地方回答我的问题，因为它不包含任何代码。如果不是这样，请给我一个提示，以便更好地询问。

我正在努力使用 Monte Carlo Dropouts 来确定使用 ResNet18 的图像分类器的不确定性。

我已经阅读了几篇关于这个主题的论文，但我仍然对这个主题感到困惑。

我已经知道使用 dropout 之类的了

def dropout2d(input, p=0.5, training=True, inplace=False):

乘以时间以获得可以解释为不确定性的方差。我很确定，我已经了解了 MC-Dropout 的一般工作原理。

所以来回答我的问题：

我在训练或测试时使用 MC-dropout，为什么？我觉得我读过不同的方式。

我从 dropouts 中搜索了一个编码示例，但没有找到任何东西。你知道论文/示例代码/搜索链接以获得正确的代码吗？

是

nn.dropout2d(imput, p=x, ...) 将 dropout 用于图像分类器的正确方法？

谢谢你的帮助。