我使用Adam优化器构建了两个CNN分类器。一个应用了0.05的dropout，另一个没有使用dropout。我得到了以下每个情况的准确率和损失值，哪一个表现得更好？我注意到它们的准确率相当，但使用dropout的分类器的损失结果更好，且波动较小。

下面，第一张图是启用了0.5 dropout的分类器，第二张图是未启用dropout的分类器

回答：

你添加的dropout减轻了过拟合效应；本质上，这就是为什么在没有dropout/任何其他正则化的情况下，损失图不会像那样大幅波动的原因。

即使在没有dropout/正则化的模型上验证集的准确率可能略高（高1-2%），你应该期望第二个模型（包含dropout）在未见数据（测试集）上表现得更好。

应该选择dropout模型；此外，你可以尝试使用不同的dropout阈值来测试性能。另外，最好有一个测试集来快速验证你的任何假设。

请注意，你在这里使用验证集作为测试集，但它们的用途是不同的。你实际展示的是训练-验证损失/准确率，而不是训练-测试损失/准确率。