深度学习——Dropout层理论学习

1. 什么是Dropout层

Dropout可以作为训练深度神经网络的一种trick供选择。在每个训练批次中，通过忽略一半的特征检测器（让一半的隐层节点值为0），可以明显地减少过拟合现象。这种方式可以减少特征检测器（隐层节点）间的相互作用，检测器相互作用是指某些检测器依赖其他检测器才能发挥作用。
Dropout说的简单一点就是：我们在前向传播的时候，让某个神经元的激活值以一定的概率p停止工作，这样可以使模型泛化性更强，因为它不会太依赖某些局部的特征，如图1所示：

懒~不想写了，有很好的例子的。

2. 参考资料

https://blog.csdn.net/program_developer/article/details/80737724
https://blog.csdn.net/qfikh/article/details/105491082