**dropout**是神經網絡最有效也最常用的正則化方法之一 對某一層使用 **dropout**，就是在訓練過程中隨機將該層的一些輸出特征**舍棄**（設置為 0） > 假設在訓練過程中，某一層對給定輸入樣本的返回值應該是向量`[0.2, 0.5, 1.3, 0.8, 1.1]`。使用 dropout 后，這個向量會有幾個隨機的元素變成 0，比如`[0, 0.5, 1.3, 0, 1.1]` > **dropout 比率**（dropout rate）是被設為 0 的特征所占的比例，通常在 0.2~0.5 范圍內。 > “我去銀行辦理業務。柜員不停地換人，于是我問其中一人這是為什么。他說他不知道，但他們經常換來換去。我猜想，銀行工作人員要想成功欺詐銀行，他們之間要互相合作才行。這讓我意識到，在每個樣本中隨機刪除不同的部分神經元，可以阻止它們的陰謀，因此可以降低過擬合。” > ~~~ model.add(layers.Dropout(0.5)) ~~~