面试时，如果被问到Dropout的工作原理，很多人都会心中窃喜，因为它太简单了。
然而，几乎很少人能给出完整的答案！
面试者的回答
Dropout随机将神经网络中某些神经元的输出置为零。实现对网络的正则化。
Dropout仅在训练过程中应用。
决定将哪些神经元激活值置零（或丢弃）是通过伯努利分布来确定的。
“p” 是丢弃概率，例如，在PyTorch中通过nn.Dropout(p)来指定。
如果p=0.2，那么每个神经元将会有20%的概率被舍弃，也意味着在一次前向传播中，约有占总体20%的神经元激活值会被随机舍弃。
回答完毕！
可面试官眉头依然紧闭，随即抛出一个问题：还有吗？
大部分面试者都会信誓旦旦的回答：就这些，随机丢弃神经元，然后照常训练。
上面的回答虽然是正确的，但只回答了50%。
