一：适用范围：
tf.nn.dropout是TensorFlow里面为了防止或减轻过拟合而使用的函数，它一般用在全连接层
二：原理：
dropout就是在不同的训练过程中随机扔掉一部分神经元。也就是让某个神经元的激活值以一定的概率p，让其停止工作，这次训练过程中不更新权值，也不参加神经网络的计算。但是它的权重得保留下来（只是暂时不更新而已），因为下次样本输入时它可能又得工作了
三：函数介绍：
tf.nn.drop(x, keep_prob, noise_shape=None, seed=None,name=None)
x: 输入值
keep_prob: float类型，每个元素被保留下来的概率
noise_shape: 一个1维的int32张量，代表了随机产生“保留/丢弃”标志的shape
四：举例说明：
# -*- coding: utf-8 -*-
# @Time : 18-5-27 下午3:34
# @Author : payneLi
# @Email : [email protected]
# @File : tf_nn_dropout.py
import tensorflow as tf
import numpy as np
"""
测试Tensor经过dropout()的效果：
1.输入与输出的Tensor的shape相同；
2.随机使某些元素值为0,非零元素为：对应值/keep_prob
"""
dropout = tf.placeholder(tf.float32)
x = tf.reshape(np.array(range(36), dtype=np.float32), [6, 6])
y = tf.nn.dropout(x, dropout)
print(x, y)
init = tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init)
print(sess.run(x))
print(sess.run(y, feed_dict={dropout: 0.5}))
----> 运行结果： x :
[[ 0. 1. 2. 3. 4. 5.]
[ 6. 7. 8. 9. 10. 11.]
[12. 13. 14. 15. 16. 17.]
[18. 19. 20. 21. 22. 23.]
[24. 25. 26. 27. 28. 29.]
[30. 31. 32. 33. 34. 35.]]
y :
[[ 0. 0. 4. 6. 8. 0.]
[ 0. 0. 16. 0. 20. 22.]
[24. 26. 28. 0. 0. 0.]
[ 0. 38. 40. 0. 44. 46.]
[48. 0. 0. 54. 56. 58.]
[60. 0. 0. 66. 68. 0.]]
原文地址：https://www.cnblogs.com/lph-shares/p/9096489.html