大家好，又见面了，我是你们的朋友全栈君。
dropout可以让模型训练时，随机让网络的某些节点不工作（输出置零），也不更新权重(但会保存下来，下次训练得要用，只是本次训练不参与bp传播)，其他过程不变。我们通常设定一个dropout radio=p，即每个输出节点以概率p置0（不工作，权重不更新），假设每个输出都是独立的，每个输出都服从二项伯努利分布p(1-p),则大约认为训练时，只使用了(1-p)比例的输出，相当于每次训练一个子网络。测试的时候，可以直接去掉Dropout层，将所有输出都使用起来，为此需要将尺度对齐，即比例缩小输出 r=r*(1-p)。
训练的时候需要dropout，测试的时候直接去掉。
如果测试时的时候添加了dropout层，测试的时候直接把前一层的特征结果传到下一层：
dropout层相当于组合了N个网络，测试的时候去掉dropout，相当于N个网络的组合；
什么是Dropout
我们知道，典型的神经网络其训练流程是将输入通过网络进行正向传导，然后将误差进行反向传播。Dropout就是针对这一过程之中，随机地删除隐藏层的部分单元，进行上述过程。
综合而言，上述过程可以分步骤为：
随机删除网络中的一些隐藏神经元，保持输入输出神经元不变； 将输入通过修改后的网络进行前向传播，然后将误差通过修改后的网络进行反向传播； 对于另外一批的训练样本，重复上述操作1.
Dropout作用分析
从Hinton的原文以及后续的大量实验论证发现，dropout可以比较有效地减轻过拟合的发生，一定程度上达到了正则化的效果。
论其原因而言，主要可以分为两个方面：
达到了一种Vote的作用。对于全连接神经网络而言，我们用相同的数据去训练5个不同的神经网络可能会得到多个不同的结果，我们可以通过一种vote机制来决定多票者胜出，因此相对而言提升了网络的精度与鲁棒性。同理，对于单个神经网络而言，如果我们将其进行分批，虽然不同的网络可能会产生不同程度的过拟合，但是将其公用一个损失函数，相当于对其同时进行了优化，取了平均，因此可以较为有效地防止过拟合的发生。 减少神经元之间复杂的共适应性。当隐藏层神经元被随机删除之后，使得全连接网络具有了一定的稀疏化，从而有效地减轻了不同特征的协同效应。也就是说，有些特征可能会依赖于固定关系的隐含节点的共同作用，而通过Dropout的话，它强迫一个神经单元，和随机挑选出来的其他神经单元共同工作，达到好的效果。消除减弱了神经元节点间的联合适应性，增强了泛化能力。
由于每次用输入网络的样本进行权值更新时，隐含节点都是以一定概率随机出现，因此不能保证每2个隐含节点每次都同时出现，这样权值的更新不再依赖于有固定关系隐含节点的共同作用，阻止了某些特征仅仅在其它特定特征下才有效果的情况。
当前Dropout的使用情况，更多其他版本。。。。
当前Dropout被大量利用于全连接网络，而且一般人为设置为0.5或者0.3（链接讲不同层代码试验），而在卷积隐藏层由于卷积自身的稀疏化以及稀疏化的ReLu函数的大量使用等原因，Dropout策略在卷积隐藏层中使用较少。drop out是用来防止过拟合的过多参数才会容易过拟合所以卷积层没必要。Ng课里也说越多参数的全链接层要drop out的概率就大一点。（个人觉得卷积核就是特征稀疏作用，卷积核还会有relu等非线性函数，降低特征直接的关联性）
所以一般都用Spatial Dropout，建议看配套的另一篇文章：分析了Dropout以及Inverted Dropout两个版本。里面对本篇的算法部分描述的更加详细些。而且文章下面有关于Inverted Dropout详细描述，因为Inverted Dropout也是现在通用的方法。
总体而言，Dropout是一个超参，需要根据具体的网路，具体的应用领域进行尝试。 ———————
一、相关工作
Dropout是2012年深度学习视觉领域的开山之作paper：《ImageNet Classification with Deep Convolutional》所提到的算法，用于防止过拟合。
网上都说dropout是让某些神经元以一定的概率不工作，但是具体代码怎么实现？原理又是什么，还是有点迷糊，所以就大体扫描了文献：《Improving neural networks by preventing co-adaptation of feature detectors》、《Improving Neural Networks with Dropout》、《Dropout: A Simple Way to Prevent Neural Networks from Overtting》，不过感觉看完以后，还是收获不是很大。下面是我的学习笔记，因为看的不是很细，也没有深入理解，有些地方可能有错，如有错误还请指出。
二、算法概述
我们知道如果要训练一个大型的网络，训练数据很少的话，那么很容易引起过拟合(也就是在测试集上的精度很低)，可能我们会想到用L2正则化、或者减小网络规模。然而深度学习领域大神Hinton，在2012年文献：《Improving neural networks by preventing co-adaptation of feature detectors》提出了，在每次训练的时候，让一半的特征检测器停过工作，这样可以提高网络的泛化能力，Hinton又把它称之为dropout。
Hinton认为过拟合，可以通过阻止某些特征的协同作用来缓解。在每次训练的时候，每个神经元有百分之50的几率被移除，这样可以让一个神经元的出现不应该依赖于另外一个神经元。
另外，我们可以把dropout理解为 模型平均。 假设我们要实现一个图片分类任务，我们设计出了100000个网络，这100000个网络，我们可以设计得各不相同，然后我们对这100000个网络进行训练，训练完后我们采用平均的方法，进行预测，这样肯定可以提高网络的泛化能力，或者说可以防止过拟合，因为这100000个网络，它们各不相同，可以提高网络的稳定性。而所谓的dropout我们可以这么理解，这n个网络，它们权值共享，并且具有相同的网络层数(这样可以大大减小计算量)。我们每次dropout后，网络模型都可以看成是整个网络的子网络。(需要注意的是如果采用dropout，训练时间大大延长，但是对测试阶段没影响)。
啰嗦了这么多，那么到底是怎么实现的？Dropout说的简单一点就是我们让在前向传导的时候，让某个神经元的激活值以一定的概率p，让其停止工作，Dropout的出现很好的可以解决这个问题，每次做完dropout，相当于从原始的网络中找到一个更瘦的网络，示意图如下：
左边是原来的神经网络，右边是采用Dropout后的网络。这个说是这么说，但是具体代码层面是怎么实现的？怎么让某个神经元以一定的概率停止工作？这个我想很多人还不是很了解，代码层面的实现方法，下面就具体讲解一下其算法方面的实现。以前我们网络的计算公式是：
采用dropout后计算公式就变成了：
上面公式中Bernoulli函数，是为了以概率p，随机生成一个0、1的向量。
算法实现概述：
1、其实Dropout很容易实现，源码只需要几句话就可以搞定了，让某个神经元以概率p，停止工作，其实就是让它的激活值以概率p变为0。比如我们某一层网络神经元的个数为1000个，其激活值为x1，x2……x1000，我们dropout比率选择0.4，那么这一层神经元经过drop后，x1……x1000神经元其中会有大约400个的值被置为0。
2、经过上面屏蔽掉某些神经元，使其激活值为0以后，我们还需要对余下的非0的向量x1……x1000进行rescale（扩大倍数），也就是乘以1/(p)。如果你在训练的时候，经过置0后，没有对x1……x1000进行rescale，那么你在测试的时候，就需要对权重进行rescale：
在训练时，每个神经单元都可能以概率 p 去除； 在测试阶段，每个神经单元都是存在的，权重参数w要乘以p，成为：pw。
问题来了，上面为什么经过dropout需要进行rescale？查找了相关的文献，都没找到比较合理的解释，后面再结合源码说一下我对这个的见解。
所以在测试阶段：如果你既不想在训练的时候，对x进行放大，也不愿意在测试的时候，对权重进行缩小(乘以概率p)。那么你可以测试n次，这n次都采用了dropout，然后对预测结果取平均值，这样当n趋近于无穷大的时候，就是我们需要的结果了（也就是说你可以采用train阶段一模一样的代码，包含了dropout在里面，然后前向传导很多次，比如1000000次，然后对着1000000个结果取平均值）。这部分见 三、源码实现部分 有详细描述。
三、源码实现
下面我引用keras的dropout实现源码进行讲解，keras开源项目github地址为：
https://github.com/fchollet/keras/tree/master/keras。
https://github.com/fchollet/keras/blob/master/keras/backend/theano_backend.py，
dropout实现函数如下：
代码语言：javascript复制#dropout函数的实现
def dropout(x, level):
if level < 0. or level >= 1:#level是概率值，必须在0~1之间
raise Exception('Dropout level must be in interval [0, 1[.')
retain_prob = 1. - level
#我们通过binomial函数，生成与x（x表示输入数据，要对其dropout）一样的维数向量。
#binomial函数就像抛硬币一样，我们可以把每个神经元当做抛硬币一样
#硬币正面的概率为p，n表示每个神经元试验的次数
#因为我们每个神经元只需要抛一次就可以了所以n=1，size参数是我们有多少个硬币。
#即将生成一个0、1分布的向量，0表示这个神经元被屏蔽，不工作了，也就是dropout了
sample=np.random.binomial(n=1,p=retain_prob,size=x.shape)
print sample #【0,1,0,1。。。】有点像独热
#0、1与x相乘，我们就可以屏蔽某些神经元，让它们的值变为0。1则不影响
x *=sample
print x
#对余下的非0的进行扩大倍数,因为p<0。0/x=0,所以0不影响
x /= retain_prob
return x
#对dropout的测试，大家可以跑一下上面的函数，了解一个输入x向量，经过dropout的结果
x=np.asarray([1,2,3,4,5,6,7,8,9,10],dtype=np.float32)
dropout(x,0.4)函数中，x是本层网络的激活值。Level就是dropout就是每个神经元要被丢弃的概率。不过对于dropout后，为什么对余下的神经元需要进行rescale：
x /= retain_prob
有的人解释有点像归一化一样，就是保证网络的每一层在训练阶段和测试阶段数据分布相同。我查找了很多文献，都没找到比较合理的解释，除了在文献《Regularization of Neural Networks using DropConnect》稍微解释了一下，其它好像都没看到相关的理论解释。
被称为inverted dropout。当模型使用了dropout layer，训练的时候只有占比为 1-p 的隐藏层单元参与训练，那么在预测的时候，如果所有的隐藏层单元都需要参与进来，则得到的结果相比训练时平均要大 1/1-p ，为了避免这种情况，就需要测试的时候将输出结果乘以 1/1-p 使下一层的输入规模保持不变。
而利用inverted dropout，我们可以在训练的时候直接将dropout后留下的权重扩大 1/1-p 倍，这样就可以使结果的scale保持不变，而在预测的时候也不用做额外的操作了，更方便一些。
数学分析：
假设我们设置dropout probability为p, 那么该层大约有比例为p的单元会被drop掉，因为每个神经元是否drop就是一次伯努利实验，这层的dropout概率服从伯努利分布，而分布的期望就是np,以这个作为理论依据。
z ^L =w^L * a^(L-1) b^L
当 L-1层有比例为p的单元drop后， a^(L-1)层大约会变为原来的p倍，为了保证 L 层的z期望不变，所以要在a^(L-1) 与dropout矩阵乘积后，要除以1-p，即扩大1/1-p倍（因为0<p<1）。
个人总结：个人感觉除非是大型网络，才采用dropout，不然我感觉自己在一些小型网络上，训练好像很是不爽。之前搞一个比较小的网络，搞人脸特征点定位的时候，因为训练数据不够，怕过拟合，于是就采用dropout，最后感觉好像训练速度好慢，从此就对dropout有了偏见，感觉训练过程一直在波动，很是不爽。
参考文献：
1、《Improving neural networks by preventing co-adaptation of feature detectors》
2、《Improving Neural Networks with Dropout》
3、《Dropout: A Simple Way to Prevent Neural Networks from Overtting》
4、《ImageNet Classification with Deep Convolutional》 ———————
参考的原文：
https://blog.csdn.net/hjimce/article/details/50413257
https://www.zhihu.com/question/61751133 https://blog.csdn.net/wfei101/article/details/79398856
https://blog.csdn.net/williamyi96/article/details/77544536
https://blog.csdn.net/stdcoutzyx/article/details/49022443
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/134584.html原文链接：https://javaforall.cn
