dropout的原理

dropout的本质是将一些数设置为0，就达到失活的效果；

tf.layers.dropout：training默认为False；必须要True才能有效；而且能看出是以整体为准， 而不是每行以固定的比率失活；

使用keep_prob参数；意义与上面相反；而且也是以整体为基准；

输入为batchsize的时候，如何实现输入层失活0.2呢，即每个样本通过时都会失活0.2，而不以batchsize为整体，随机失活0.2，有的样本失活的多，有的样本失活的少，甚至导致有的样本可能失活100%？看上图0的个数；

使用tf.placeholder会怎样呢？
仍然没有改变以整体数据为基准计算失活率；如图所示：

很显然每一层0的个数都不一样；