吴恩达 DeepLearning.ai 笔记（2）理解dropout
Dropout为什么可以减少过拟合？
（1）它会随机丢弃掉一些结点，所以看起来是在更小的网络上训练。
（2）以下图紫圈的神经元为例，由于在中间做了dropout，所以向它输入的四个神经元可以随机失活，所以紫圈神经元不能把所有权重都压在一个输入神经元上面，以此来控制权重。（和L2正则化达到的效果类似）
举例：如下图，可以对不同的层使用不同的留存率。对于7*7的权值矩阵，使用0.5的留存率（过拟合的概率高），而其他层设置较小的留存率。
其他：
dropout在计算机视觉中使用较多。（像素数据多）
使用dropout使得损失函数的效果不那么明确，而且无法作图观察模型表现。
PS：
L2正则化即在权值上加惩罚项的方法。