Dropout将在训练过程中每次更新参数时按一定概率（rate）随机断开输入神经元，以达到防止过拟合的目的。
举一反三
- 在神经网络的训练过程中，经常会遇到过拟合的情况，解决这个问题的一个非常方便的方法就是添加一个舍弃层（Dropout），它在训练过程中会按一定概率（rate）随机断开输入神经元，以达到防止过拟合的目的。
- Dropout方法在训练网络时，以一定的概率随机去掉网络中的一些神经元节点，这些神经元丢弃后就不再使用。 A: 正确 B: 错误
- 下面关于过拟合的描述中，错误的说法是哪个？ A: 为了防止过拟合可以使用L1或L2正则化 B: 为了防止过拟合可以使用提前终止训练的方法 C: 为了防止过拟合可以使用Dropout D: 训练过程中的损失值越小，其在存过拟合的风险越低
- 下面哪个选项不是神经网络训练过程中过拟合的防止方法 A: 提前终止 B: 增加学习率 C: dropout D: 扩充训练数据集
- 在深度网络学习的训练过程中，对于神经网络单元，Dropout按照一定的概率将其暂时从网络中丢弃。