深度学习中Dropout原理解析

1. Dropout简介 1.1 Dropout出现的缘由 在机器学习的模型中，若是模型的参数太多，而训练样本又太少，训练出来的模型很容易产生过拟合的现象。在训练神经网络的时候常常会遇到过拟合的问题，过拟合具体表如今：模型在训练数据上损失函数较小，预测准确率较高；可是在测试数据上损失函数比较大，预测准确率较低。html 过拟合是不少机器学习的通病。若是模型过拟合，那么获得的模型几乎不能用。为了解决

>>阅读原文<<