我读过这篇文章，https://www.tensorflow.org/api_docs/python/tf/keras/layers/Dropout。Dropout通过使ANN中的一些神经元不活跃来帮助防止过拟合。但是下一个问题是…

既然我们可以调整ANN中神经元的数量，为什么我们必须让神经元Dropout呢？例如，这段代码有什么不同？

第一种

model = tf.keras.models.Sequential([  tf.keras.layers.Flatten(input_shape=(28, 28)),  tf.keras.layers.Dense(100, activation='relu'),  tf.keras.layers.Dropout(0.2),  tf.keras.layers.Dense(10)]);

第二种

model = tf.keras.models.Sequential([  tf.keras.layers.Flatten(input_shape=(28, 28)),  tf.keras.layers.Dense(80, activation='relu'),  tf.keras.layers.Dense(10)]);

我们使用80个神经元代替100个，这样就相当于Dropout了其中的20个神经元

回答：

在使用Dropout的每个训练阶段中，会随机选择并移除一些神经元。在测试阶段，每个神经元都会被使用。

因此，第一种方法是使用100个神经元，但它们是以这种方式被训练的。[第一次] H1, H2, H3, …, H80 被训练[第二次] H61, H62, …, H100 被训练…

第二种方法是使用80个神经元，并且它们每次都被训练。