增强模型表示方法-dropout

增强模型表示方法-dropout Dropout 的原理为：在每个迭代过程中，随机选择某些神经元，并且删除它们在⽹络中的前向和后向连接，相当于是 “去掉” 这些神经元。如图 6.5所⽰，在每批样本训练时，将原始⽹络中部分隐藏层单元 “去掉”。当然，Dropout 并不意味着这些神经元永远的消失了，在下⼀批数据迭代前，我们会把⽹络恢复成最初的全连接⽹络，然后再⽤随机的⽅法去掉部分隐藏层的神经元，接着

>>阅读原文<<