为什么 Dropout 能抑制过拟合原理、数学推导与工程实现一句话概括Dropout 在训练阶段随机关闭一部分神经元让模型无法长期依赖某一组固定特征组合这迫使网络学习更分散、更稳健的表示并近似实现许多子网络的模型集成从而减小训练集与未知数据之间的泛化差距。1. 先理解什么是过拟合神经网络拥有大量参数表达能力很强。它不仅能够学习数据中的一般规律也可能记住训练集中的噪声、偶然模式甚至错误标注。典型现象是训练损失持续下降训练准确率非常高验证损失先下降后上升模型遇到未见过的数据时表现明显变差。这说明模型学习到的并不全是可迁移的规律而是形成了对训练样本的“特殊解法”。从神经元的角度看过拟合常常伴随着一种现象某些神经元逐渐形成固定分工并高度依赖彼此。例如一个神经元只检测局部纹理另一个只在前者激活时才检测某种组合。只要训练数据中的组合关系稳定这套协作就能获得很低的训练损失但数据分布稍有变化整套脆弱的协作可能同时失效。这种现象通常被称为co-adaptation共同适应或协同适应。2. Dropout 到底做了什么假设某一层的激活向量为h [ h 1 , h 2 , … , h n ] \mathbf{h} [h_1, h_2, \dots, h_n]h[h1,h2,…,hn]设 Dropout 的丢弃概率为p pp保留概率为q 1 − p q 1-pq1−p训练时对每个激活值独立采样一个伯努利随机变量m i ∼ Bernoulli ( q ) m_i \sim \operatorname{Bernoulli}(q)mi∼Bernoulli(q)其中m i { 1 , 以概率 q 保留神经元 0 , 以概率 p 丢弃神经元 m_i \begin{cases} 1, \text{以概率 } q \text{保留神经元}\\ 0, \text{以概率 } p \text{丢弃神经元} \end{cases}mi{1,0,以概率q保留神经元以概率p丢弃神经元现代深度学习框架通常采用Inverted Dropout反向缩放 Dropouth ~ i m i h i q m i h i 1 − p \tilde{h}_i \frac{m_i h_i}{q} \frac{m_i h_i}{1-p}h~iqmihi1−pmihi也就是说训练阶段随机把一部分激活置为 0未被置零的激活乘以1 / ( 1 − p ) 1/(1-p)1/(1−p)推理阶段直接关闭 Dropout不再额外缩放。为什么要乘以1 / ( 1 − p ) 1/(1-p)1/(1−p)因为E [ m i ] q \mathbb{E}[m_i] qE[mi]q所以E [ h ~ i ] E [ m i h i q ] h i q E [ m i ] h i \mathbb{E}[\tilde{h}_i] \mathbb{E}\left[\frac{m_i h_i}{q}\right] \frac{h_i}{q}\mathbb{E}[m_i] h_iE[h~i]E[qmihi]qhiE[mi]hi因此训练阶段经过随机丢弃和缩放后的激活其期望值与原始激活相同。这让训练模式和推理模式之间更容易衔接训练时随机置零并放大保留值推理时所有神经元正常工作Dropout 层等价于恒等映射。3. 为什么 Dropout 能抑制过拟合Dropout 的作用不能只理解成“少用几个神经元”。它主要通过以下四种相互关联的机制改善泛化。3.1 打破神经元之间的共同适应没有 Dropout 时一个神经元可以默认其他特定神经元始终存在于是它可能只学习一个高度依赖上下文的脆弱特征。加入 Dropout 后任何一个搭档都可能在下一次前向传播中被关闭。为了继续完成预测神经元不能把希望全部寄托在某条固定路径上而必须学习在不同上下文中都有效的特征。可以把它理解成团队协作没有 Dropout每个人只会完成极窄的一小步任何人缺席都会让流程中断使用 Dropout成员经常随机缺席因此每个人都必须具备更独立、更可替代的能力。结果通常是隐藏表示更冗余但也更稳健。3.2 每次更新都在训练一个不同的子网络如果一层有n nn个可被丢弃的神经元从组合意义上说理论上可以产生大量不同的保留/丢弃模式。每个 mini-batch 都会采样一个新的掩码因此参数更新并不是只针对同一个固定网络而是在大量共享参数的子网络之间交替进行。这带来一种类似模型集成的效果不同子网络看到相同数据它们共享参数不需要分别存储推理时使用完整网络近似整合许多子网络的预测。需要注意这是一种近似解释并不意味着实际部署时真的枚举并平均所有子网络。3.3 向激活中注入乘性噪声Dropout 可以写成h ~ h ⊙ m q \tilde{\mathbf{h}} \mathbf{h} \odot \frac{\mathbf{m}}{q}h~h⊙qm其中⊙ \odot⊙表示逐元素乘法。因此Dropout 本质上是在隐藏表示中注入随机的乘性噪声。模型如果想在这种扰动下仍然保持低损失就必须让决策函数对部分特征缺失更加不敏感。这种“对扰动保持稳定”的要求本身就是一种正则化约束。3.4 降低每一步训练中的有效容量Dropout 不会删除权重也不会减少模型的参数总量但在某一次训练前向传播中只有部分神经元和连接实际参与计算。因此每次参数更新所对应的有效子网络比完整网络更小。模型仍然拥有完整容量但无法让全部容量在每个样本上无条件协同工作。这会增加训练难度却往往能阻止模型过早记住训练集中的偶然细节。4. Dropout 如何改变训练曲线加入 Dropout 后常见现象是训练损失下降得更慢训练准确率可能更低验证损失更加稳定训练集与验证集之间的差距缩小。上图是用于说明趋势的示意曲线不是特定数据集上的实验结果。一个容易产生误解的地方是使用 Dropout 后训练指标暂时变差并不一定意味着模型退化。正则化的目标本来就不是让训练集分数最大而是让未见数据上的误差更小。5. 从零实现 Inverted Dropout下面用 NumPy 实现最核心的逻辑importnumpyasnpdefdropout(x:np.ndarray,p:float0.5,training:boolTrue)-np.ndarray: Inverted Dropout。 参数: x: 输入激活。 p: 丢弃概率必须满足 0 p 1。 training: 是否处于训练模式。 返回: 经过 Dropout 处理的数组。 ifnot0.0p1.0:raiseValueError(p 必须满足 0 p 1)ifnottrainingorp0.0:returnx keep_prob1.0-p mask(np.random.random(x.shape)keep_prob).astype(x.dtype)returnx*mask/keep_prob一次简单测试np.random.seed(42)xnp.ones((2,8),dtypenp.float32)print(dropout(x,p0.5,trainingTrue))输出中大约一半元素会被置为 0其余元素会被放大为 2。虽然单次输出的均值会有随机波动但重复采样后的期望仍接近原输入。6. PyTorch 中的实现6.1 在网络结构中使用nn.DropoutimporttorchfromtorchimportnnclassMLP(nn.Module):def__init__(self,input_dim:int,num_classes:int)-None:super().__init__()self.networknn.Sequential(nn.Linear(input_dim,256),nn.ReLU(),nn.Dropout(p0.5),nn.Linear(256,128),nn.ReLU(),nn.Dropout(p0.3),nn.Linear(128,num_classes),)defforward(self,x:torch.Tensor)-torch.Tensor:returnself.network(x)modelMLP(input_dim784,num_classes10)6.2 训练和推理模式必须切换# 训练阶段Dropout 生效model.train()forinputs,labelsintrain_loader:optimizer.zero_grad()logitsmodel(inputs)losscriterion(logits,labels)loss.backward()optimizer.step()# 验证或推理阶段Dropout 关闭model.eval()withtorch.no_grad():forinputs,labelsinval_loader:logitsmodel(inputs)model.eval()不会关闭梯度因此验证阶段通常还要配合torch.no_grad()。两者作用不同model.eval()切换 Dropout、BatchNorm 等模块的行为torch.no_grad()停止构建自动求导图减少内存和计算开销。6.3 函数式调用importtorch.nn.functionalasF xF.dropout(x,p0.5,trainingself.training)关键是把模块当前的self.training状态传进去否则很容易在推理阶段仍然随机丢弃激活。7. Keras 中的实现importkerasfromkerasimportlayers modelkeras.Sequential([layers.Input(shape(784,)),layers.Dense(256,activationrelu),layers.Dropout(0.5),layers.Dense(128,activationrelu),layers.Dropout(0.3),layers.Dense(10),])model.compile(optimizeradam,losskeras.losses.SparseCategoricalCrossentropy(from_logitsTrue),metrics[accuracy],)使用model.fit()时Keras 会自动在训练阶段启用 Dropout在验证和推理阶段关闭 Dropout。手动调用层时也可以显式指定dropoutlayers.Dropout(0.5)training_outputdropout(x,trainingTrue)inference_outputdropout(x,trainingFalse)8. Dropout 应该放在哪里在普通多层感知机中常见写法是Linear → Activation → Dropout例如nn.Linear(256,128),nn.ReLU(),nn.Dropout(0.3),在含 Batch Normalization 的网络中常见顺序之一是Linear/Conv → BatchNorm → Activation → Dropout但这不是不可改变的定律。层顺序会影响激活分布和优化过程最终仍应通过验证集或消融实验确认。卷积网络中的选择普通Dropout会随机置零单个元素。对于卷积特征图相邻像素往往高度相关单独丢弃少数像素可能作用有限因此可以考虑按通道丢弃nn.Dropout2d(p0.2)在 Keras 中可考虑layers.SpatialDropout2D(0.2)这类变体会丢弃整个特征通道更适合部分卷积网络。9. 丢弃率p pp应该如何选择常见起点如下但不是硬性规则场景可尝试的丢弃率输入层0.050.2MLP 隐藏层0.20.5卷积网络0.10.3数据很少、模型很大可适当提高已有较强数据增强和权重衰减可适当降低调参时可以观察训练和验证都很差可能 Dropout 太强导致欠拟合训练很好、验证明显变差可以提高 Dropout或结合权重衰减、数据增强训练过程非常不稳定可以降低丢弃率或调整学习率模型本身很小Dropout 可能不必要甚至损害性能。通常不建议一开始就把所有层都设置成p0.5。越接近输出的高层表示是否需要较强 Dropout也取决于任务、数据规模和网络结构。10. 常见误区误区一Dropout 会减少参数量不会。Dropout 只在前向传播中临时把激活置零权重矩阵仍然完整存在参数数量不变。误区二被丢弃的权重不会再训练某次前向传播中与被关闭神经元相关的梯度可能为零下一次采样时这些神经元可能重新启用并继续参与训练。误区三推理时也应该随机丢弃标准推理中应关闭 Dropout。否则同一个输入会得到随机变化的输出。一个例外是Monte Carlo Dropout有时会在推理阶段故意保持 Dropout多次采样预测用预测分布近似衡量不确定性。这属于额外方法不是普通部署流程。误区四Dropout 越大正则化越好过强的 Dropout 会破坏过多信息使优化困难并导致欠拟合。正则化强度需要与模型容量和数据规模匹配。误区五有了 Dropout 就不需要其他方法Dropout 只是正则化工具之一。实际项目中通常还会组合数据增强权重衰减Early Stopping降低模型规模增加数据量标签平滑更合理的验证集划分。11. Dropout 的局限性Dropout 并不是所有网络的默认最优选择。在部分现代卷积网络中强数据增强、归一化和权重衰减已经能够提供足够正则化在循环神经网络中时间步之间如何共享掩码会影响效果不能简单地对所有循环连接独立随机丢弃在小模型或本身欠拟合的任务中Dropout 可能继续降低有效容量Dropout 会给梯度引入额外随机性训练往往需要更多轮次与 BatchNorm 一起使用时两者都改变激活统计过强组合可能使训练和推理分布更难匹配。因此Dropout 应被看作一种可验证的设计选择而不是必须添加的固定组件。12. 总结Dropout 能抑制过拟合核心不是简单地“删除神经元”而是训练阶段持续改变网络结构h ~ m ⊙ h 1 − p , m i ∼ Bernoulli ( 1 − p ) \boxed{ \tilde{\mathbf{h}} \frac{\mathbf{m}\odot\mathbf{h}}{1-p}, \qquad m_i \sim \operatorname{Bernoulli}(1-p) }h~1−pm⊙h,mi∼Bernoulli(1−p)它带来的主要效果是神经元不能长期依赖固定搭档从而减少共同适应随机掩码向隐藏表示注入噪声提高模型对特征缺失的鲁棒性每次迭代训练不同子网络形成近似的隐式模型集成每次更新的有效网络容量降低使模型更难直接记住训练样本Inverted Dropout 保持激活期望不变让推理阶段可以直接关闭 Dropout。最终Dropout 通常会牺牲一部分训练集拟合速度换取更小的泛化间隙和更稳定的验证表现。参考资料Nitish Srivastava, Geoffrey Hinton, Alex Krizhevsky, Ilya Sutskever, Ruslan Salakhutdinov.Dropout: A Simple Way to Prevent Neural Networks from Overfitting.Journal of Machine Learning Research, 2014.https://www.jmlr.org/papers/v15/srivastava14a.htmlPyTorch Documentation.torch.nn.Dropout.https://docs.pytorch.org/docs/stable/generated/torch.nn.Dropout.htmlKeras Documentation.Dropout layer.https://keras.io/api/layers/regularization_layers/dropout/TensorFlow Documentation.tf.keras.layers.Dropout.https://www.tensorflow.org/api_docs/python/tf/keras/layers/Dropout
为什么 Dropout 能抑制过拟合：原理、数学推导与工程实现
发布时间：2026/7/30 17:44:17
为什么 Dropout 能抑制过拟合原理、数学推导与工程实现一句话概括Dropout 在训练阶段随机关闭一部分神经元让模型无法长期依赖某一组固定特征组合这迫使网络学习更分散、更稳健的表示并近似实现许多子网络的模型集成从而减小训练集与未知数据之间的泛化差距。1. 先理解什么是过拟合神经网络拥有大量参数表达能力很强。它不仅能够学习数据中的一般规律也可能记住训练集中的噪声、偶然模式甚至错误标注。典型现象是训练损失持续下降训练准确率非常高验证损失先下降后上升模型遇到未见过的数据时表现明显变差。这说明模型学习到的并不全是可迁移的规律而是形成了对训练样本的“特殊解法”。从神经元的角度看过拟合常常伴随着一种现象某些神经元逐渐形成固定分工并高度依赖彼此。例如一个神经元只检测局部纹理另一个只在前者激活时才检测某种组合。只要训练数据中的组合关系稳定这套协作就能获得很低的训练损失但数据分布稍有变化整套脆弱的协作可能同时失效。这种现象通常被称为co-adaptation共同适应或协同适应。2. Dropout 到底做了什么假设某一层的激活向量为h [ h 1 , h 2 , … , h n ] \mathbf{h} [h_1, h_2, \dots, h_n]h[h1,h2,…,hn]设 Dropout 的丢弃概率为p pp保留概率为q 1 − p q 1-pq1−p训练时对每个激活值独立采样一个伯努利随机变量m i ∼ Bernoulli ( q ) m_i \sim \operatorname{Bernoulli}(q)mi∼Bernoulli(q)其中m i { 1 , 以概率 q 保留神经元 0 , 以概率 p 丢弃神经元 m_i \begin{cases} 1, \text{以概率 } q \text{保留神经元}\\ 0, \text{以概率 } p \text{丢弃神经元} \end{cases}mi{1,0,以概率q保留神经元以概率p丢弃神经元现代深度学习框架通常采用Inverted Dropout反向缩放 Dropouth ~ i m i h i q m i h i 1 − p \tilde{h}_i \frac{m_i h_i}{q} \frac{m_i h_i}{1-p}h~iqmihi1−pmihi也就是说训练阶段随机把一部分激活置为 0未被置零的激活乘以1 / ( 1 − p ) 1/(1-p)1/(1−p)推理阶段直接关闭 Dropout不再额外缩放。为什么要乘以1 / ( 1 − p ) 1/(1-p)1/(1−p)因为E [ m i ] q \mathbb{E}[m_i] qE[mi]q所以E [ h ~ i ] E [ m i h i q ] h i q E [ m i ] h i \mathbb{E}[\tilde{h}_i] \mathbb{E}\left[\frac{m_i h_i}{q}\right] \frac{h_i}{q}\mathbb{E}[m_i] h_iE[h~i]E[qmihi]qhiE[mi]hi因此训练阶段经过随机丢弃和缩放后的激活其期望值与原始激活相同。这让训练模式和推理模式之间更容易衔接训练时随机置零并放大保留值推理时所有神经元正常工作Dropout 层等价于恒等映射。3. 为什么 Dropout 能抑制过拟合Dropout 的作用不能只理解成“少用几个神经元”。它主要通过以下四种相互关联的机制改善泛化。3.1 打破神经元之间的共同适应没有 Dropout 时一个神经元可以默认其他特定神经元始终存在于是它可能只学习一个高度依赖上下文的脆弱特征。加入 Dropout 后任何一个搭档都可能在下一次前向传播中被关闭。为了继续完成预测神经元不能把希望全部寄托在某条固定路径上而必须学习在不同上下文中都有效的特征。可以把它理解成团队协作没有 Dropout每个人只会完成极窄的一小步任何人缺席都会让流程中断使用 Dropout成员经常随机缺席因此每个人都必须具备更独立、更可替代的能力。结果通常是隐藏表示更冗余但也更稳健。3.2 每次更新都在训练一个不同的子网络如果一层有n nn个可被丢弃的神经元从组合意义上说理论上可以产生大量不同的保留/丢弃模式。每个 mini-batch 都会采样一个新的掩码因此参数更新并不是只针对同一个固定网络而是在大量共享参数的子网络之间交替进行。这带来一种类似模型集成的效果不同子网络看到相同数据它们共享参数不需要分别存储推理时使用完整网络近似整合许多子网络的预测。需要注意这是一种近似解释并不意味着实际部署时真的枚举并平均所有子网络。3.3 向激活中注入乘性噪声Dropout 可以写成h ~ h ⊙ m q \tilde{\mathbf{h}} \mathbf{h} \odot \frac{\mathbf{m}}{q}h~h⊙qm其中⊙ \odot⊙表示逐元素乘法。因此Dropout 本质上是在隐藏表示中注入随机的乘性噪声。模型如果想在这种扰动下仍然保持低损失就必须让决策函数对部分特征缺失更加不敏感。这种“对扰动保持稳定”的要求本身就是一种正则化约束。3.4 降低每一步训练中的有效容量Dropout 不会删除权重也不会减少模型的参数总量但在某一次训练前向传播中只有部分神经元和连接实际参与计算。因此每次参数更新所对应的有效子网络比完整网络更小。模型仍然拥有完整容量但无法让全部容量在每个样本上无条件协同工作。这会增加训练难度却往往能阻止模型过早记住训练集中的偶然细节。4. Dropout 如何改变训练曲线加入 Dropout 后常见现象是训练损失下降得更慢训练准确率可能更低验证损失更加稳定训练集与验证集之间的差距缩小。上图是用于说明趋势的示意曲线不是特定数据集上的实验结果。一个容易产生误解的地方是使用 Dropout 后训练指标暂时变差并不一定意味着模型退化。正则化的目标本来就不是让训练集分数最大而是让未见数据上的误差更小。5. 从零实现 Inverted Dropout下面用 NumPy 实现最核心的逻辑importnumpyasnpdefdropout(x:np.ndarray,p:float0.5,training:boolTrue)-np.ndarray: Inverted Dropout。 参数: x: 输入激活。 p: 丢弃概率必须满足 0 p 1。 training: 是否处于训练模式。 返回: 经过 Dropout 处理的数组。 ifnot0.0p1.0:raiseValueError(p 必须满足 0 p 1)ifnottrainingorp0.0:returnx keep_prob1.0-p mask(np.random.random(x.shape)keep_prob).astype(x.dtype)returnx*mask/keep_prob一次简单测试np.random.seed(42)xnp.ones((2,8),dtypenp.float32)print(dropout(x,p0.5,trainingTrue))输出中大约一半元素会被置为 0其余元素会被放大为 2。虽然单次输出的均值会有随机波动但重复采样后的期望仍接近原输入。6. PyTorch 中的实现6.1 在网络结构中使用nn.DropoutimporttorchfromtorchimportnnclassMLP(nn.Module):def__init__(self,input_dim:int,num_classes:int)-None:super().__init__()self.networknn.Sequential(nn.Linear(input_dim,256),nn.ReLU(),nn.Dropout(p0.5),nn.Linear(256,128),nn.ReLU(),nn.Dropout(p0.3),nn.Linear(128,num_classes),)defforward(self,x:torch.Tensor)-torch.Tensor:returnself.network(x)modelMLP(input_dim784,num_classes10)6.2 训练和推理模式必须切换# 训练阶段Dropout 生效model.train()forinputs,labelsintrain_loader:optimizer.zero_grad()logitsmodel(inputs)losscriterion(logits,labels)loss.backward()optimizer.step()# 验证或推理阶段Dropout 关闭model.eval()withtorch.no_grad():forinputs,labelsinval_loader:logitsmodel(inputs)model.eval()不会关闭梯度因此验证阶段通常还要配合torch.no_grad()。两者作用不同model.eval()切换 Dropout、BatchNorm 等模块的行为torch.no_grad()停止构建自动求导图减少内存和计算开销。6.3 函数式调用importtorch.nn.functionalasF xF.dropout(x,p0.5,trainingself.training)关键是把模块当前的self.training状态传进去否则很容易在推理阶段仍然随机丢弃激活。7. Keras 中的实现importkerasfromkerasimportlayers modelkeras.Sequential([layers.Input(shape(784,)),layers.Dense(256,activationrelu),layers.Dropout(0.5),layers.Dense(128,activationrelu),layers.Dropout(0.3),layers.Dense(10),])model.compile(optimizeradam,losskeras.losses.SparseCategoricalCrossentropy(from_logitsTrue),metrics[accuracy],)使用model.fit()时Keras 会自动在训练阶段启用 Dropout在验证和推理阶段关闭 Dropout。手动调用层时也可以显式指定dropoutlayers.Dropout(0.5)training_outputdropout(x,trainingTrue)inference_outputdropout(x,trainingFalse)8. Dropout 应该放在哪里在普通多层感知机中常见写法是Linear → Activation → Dropout例如nn.Linear(256,128),nn.ReLU(),nn.Dropout(0.3),在含 Batch Normalization 的网络中常见顺序之一是Linear/Conv → BatchNorm → Activation → Dropout但这不是不可改变的定律。层顺序会影响激活分布和优化过程最终仍应通过验证集或消融实验确认。卷积网络中的选择普通Dropout会随机置零单个元素。对于卷积特征图相邻像素往往高度相关单独丢弃少数像素可能作用有限因此可以考虑按通道丢弃nn.Dropout2d(p0.2)在 Keras 中可考虑layers.SpatialDropout2D(0.2)这类变体会丢弃整个特征通道更适合部分卷积网络。9. 丢弃率p pp应该如何选择常见起点如下但不是硬性规则场景可尝试的丢弃率输入层0.050.2MLP 隐藏层0.20.5卷积网络0.10.3数据很少、模型很大可适当提高已有较强数据增强和权重衰减可适当降低调参时可以观察训练和验证都很差可能 Dropout 太强导致欠拟合训练很好、验证明显变差可以提高 Dropout或结合权重衰减、数据增强训练过程非常不稳定可以降低丢弃率或调整学习率模型本身很小Dropout 可能不必要甚至损害性能。通常不建议一开始就把所有层都设置成p0.5。越接近输出的高层表示是否需要较强 Dropout也取决于任务、数据规模和网络结构。10. 常见误区误区一Dropout 会减少参数量不会。Dropout 只在前向传播中临时把激活置零权重矩阵仍然完整存在参数数量不变。误区二被丢弃的权重不会再训练某次前向传播中与被关闭神经元相关的梯度可能为零下一次采样时这些神经元可能重新启用并继续参与训练。误区三推理时也应该随机丢弃标准推理中应关闭 Dropout。否则同一个输入会得到随机变化的输出。一个例外是Monte Carlo Dropout有时会在推理阶段故意保持 Dropout多次采样预测用预测分布近似衡量不确定性。这属于额外方法不是普通部署流程。误区四Dropout 越大正则化越好过强的 Dropout 会破坏过多信息使优化困难并导致欠拟合。正则化强度需要与模型容量和数据规模匹配。误区五有了 Dropout 就不需要其他方法Dropout 只是正则化工具之一。实际项目中通常还会组合数据增强权重衰减Early Stopping降低模型规模增加数据量标签平滑更合理的验证集划分。11. Dropout 的局限性Dropout 并不是所有网络的默认最优选择。在部分现代卷积网络中强数据增强、归一化和权重衰减已经能够提供足够正则化在循环神经网络中时间步之间如何共享掩码会影响效果不能简单地对所有循环连接独立随机丢弃在小模型或本身欠拟合的任务中Dropout 可能继续降低有效容量Dropout 会给梯度引入额外随机性训练往往需要更多轮次与 BatchNorm 一起使用时两者都改变激活统计过强组合可能使训练和推理分布更难匹配。因此Dropout 应被看作一种可验证的设计选择而不是必须添加的固定组件。12. 总结Dropout 能抑制过拟合核心不是简单地“删除神经元”而是训练阶段持续改变网络结构h ~ m ⊙ h 1 − p , m i ∼ Bernoulli ( 1 − p ) \boxed{ \tilde{\mathbf{h}} \frac{\mathbf{m}\odot\mathbf{h}}{1-p}, \qquad m_i \sim \operatorname{Bernoulli}(1-p) }h~1−pm⊙h,mi∼Bernoulli(1−p)它带来的主要效果是神经元不能长期依赖固定搭档从而减少共同适应随机掩码向隐藏表示注入噪声提高模型对特征缺失的鲁棒性每次迭代训练不同子网络形成近似的隐式模型集成每次更新的有效网络容量降低使模型更难直接记住训练样本Inverted Dropout 保持激活期望不变让推理阶段可以直接关闭 Dropout。最终Dropout 通常会牺牲一部分训练集拟合速度换取更小的泛化间隙和更稳定的验证表现。参考资料Nitish Srivastava, Geoffrey Hinton, Alex Krizhevsky, Ilya Sutskever, Ruslan Salakhutdinov.Dropout: A Simple Way to Prevent Neural Networks from Overfitting.Journal of Machine Learning Research, 2014.https://www.jmlr.org/papers/v15/srivastava14a.htmlPyTorch Documentation.torch.nn.Dropout.https://docs.pytorch.org/docs/stable/generated/torch.nn.Dropout.htmlKeras Documentation.Dropout layer.https://keras.io/api/layers/regularization_layers/dropout/TensorFlow Documentation.tf.keras.layers.Dropout.https://www.tensorflow.org/api_docs/python/tf/keras/layers/Dropout
