丢弃法为什么和weight decay(L2 norm)一样也能达到防止过拟合的效果。
什么是丢弃法:
当我们对该隐藏层使⽤丢弃法时,该层的隐藏单元将有⼀定概率被丢弃掉。设丢弃概率为p,那么
有p 的概率hi 会被清零,有1 p 的概率hi 会除以1 p 做拉伸。丢弃概率是丢弃法的超参数。
h1,h2,h3,h4, h5是五个隐藏层的神经元。
在反向传播时,与这两个隐藏单元相关的权重的梯度均为0。由于在训练中隐藏层神经元的丢弃是随机的,即h1; : : : ; h5
都有可能被清零。这样输出层的计算都⽆法过度依赖h1; : : : ; h5 中的任⼀个,从而在训练模型时,
起到正则化的作⽤,并可以⽤来应对过拟合。在测试模型时,我们为了拿到更加确定性的结果,
⼀般不使⽤丢弃法。