解释 dropout 的工作原理（面试题200合集，高频、关键）

1. Dropout 的基本概念

Dropout 通过在训练神经网络的每次前向传播中，以一定概率 $p$（称为 Dropout rate）将部分神经元的输出设为 0 来实现“丢弃”。这意味着在训练的每一步中，网络会随机选择一部分神经元不参与计算，从而强制网络学习更加鲁棒和泛化的特征。

Dropout 的核心思想是打破神经元之间的共适应性（co-adaptation），即防止某些神经元过于依赖其他特定神经元的输出。通过随机丢弃，网络被迫学习多个独立的特征表示，而不是依赖于特定的神经元组合。

---

2. Dr