tf.nn.dropout()介绍

1.Dropout原理简述：

Dropout就是在不同的训练过程中随机扔掉一部分神经元。也就是让某个神经元的激活值以一定的概率p，让其停止工作，这次训练过程中不更新权值，也不参加神经网络的计算。但是它的权重得保留下来（只是暂时不更新而已），因为下次样本输入时它可能又得工作了。示意图如下：

但在测试及验证中：每个神经元都要参加运算，但其输出要乘以概率p。

2、tf.nn.dropout(x,keep_prob,noise_shape=None,seed=None,name=None)函数说明

上面的方法中常用的是前面两个参数：

第一个参数x:指输入

第二个参数keep_prob:设置神经元被选中的概率，在初始化时keep_prob是一个占位符，keep_prob = tf.placeholder(tf.float32) 。tensorflow在run时设置keep_prob具体的值，例如keep_prob: 0.5

第三个参数noise_shape：一个1维的int32张量，代表了随机产生"保留/丢弃"标志的shape

seed :整形变量，随机数种子

name :名字，没什么实际用处。

总结：dropout()函数就是使tensor中某些元素变为0，其它没变0的元素变为原来的1/keep_prob大小。