【tensorflow入门】13、dropout解决过拟合overfit

内心os：后期还需补代码。

一、使用原因： 当训练集不足够大时，过度学习会导致学习到的模型对本数据集几乎100%契合，但对别的符合条件的数据却无法get到。

训练深度神经网络的时候，总是会遇到两大缺点：

（1）容易过拟合

（2）费时

Dropout可以比较有效的缓解过拟合的发生，在一定程度上达到正则化的效果。

二、dropout：

其实就是让一部分神经元停止工作，避免神经网络获得的参数过多，导致结果过拟合。

三、代码：

import tensorflow as tf
from sklearn.datasets import load_digits
# from sklearn.cross_validation import train_test_split
from sklearn.preprocessing import LabelBinarizer
from sklearn.model_selection import train_test_split


# load data
digits = load_digits()
X = digits.data
y = digits.target
y = LabelBinarizer().fit_transform(y)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size