深度神经网（DNN）中经常会存在一个常见的问题：模型只学会在训练集上分类（过拟合现象），dropout就是为了减少过拟合而研究出的一种方法。
当训练模型较大，而训练数据很少的话，很容易引起过拟合，一般情况我们会想到用正则化、或者减小网络规模。然而Hinton在2012年文献：《Improving neural networks by preventing co-adaptation of feature detectors》提出了，在每次训练的时候，随机让一定数量的卷积停止工作，这样可以提高网络的泛化能力，Hinton又把它称之为dropout。
dropout是指深度学习训练过程中，对于神经网络训练单元，暂时将按照一定的概率将其从网络中移除，注意是暂时，对于随机梯度下降来说，由于是随机丢弃，故而每一个mini-batch都在训练不同的网络。
其工作原理如下图：
第一种理解方式是，在每次训练的时候使用dropout，每个神经元有百分之50的概率被移除，这样可以使得一个神经元的训练不依赖于另外一个神经元，同样也就使得特征之间的协同作用被减弱。Hinton认为，过拟合可以通过阻止某些特征的协同作用来缓解。
第二种理解方式是，我们可以把dropout当做一种多模型效果平均的方式。对于减少测试集中的错误，我们可以将多个不同神经网络的预测结果取平均，而因为dropout的随机性，我们每次dropout后，网络模型都可以看成是一个不同结构的神经网络，而此时要训练的参数数目却是不变的，这就解脱了训练多个独立的不同神经网络的时耗问题。在测试输出的时候，将输出权重除以二，从而达到类似平均的效果。
需要注意的是如果采用dropout，训练时间大大延长，但是对测试阶段没影响。
目前来说，Dropout有两种。第一种就是传统的Dropout方案。另一种，就是我们的吴恩达老师的Inverted Dropout。
Inverted Dropout的实现代码，假设，我们的输入是x，p表示随机丢弃的概率, 1−p表示的是神经元保存的概率。则Inverted Dropout的实现过程如下代码所示：
import numpy as np
def dropout(x, p):
if p < 0. or p >1.
# 边界条件，在写代码的时候，一定要仔细！！！p为随机丢弃的概率
raise Exception("The p must be in interval [0, 1]")
retain_prob =1. -p
#我们通过binomial函数，生成与x一样的维数向量。
# binomial函数就像抛硬币一样，每个神经元扔一次，所以n=1
# sample为生成的一个0与1构成的mask,0表示抛弃，1表示保留
sample =np.random.binomial(n=1, p=retain_prob, size=x.shape)
x *= sample # 与0相乘，表示将该神经元Drop掉
x /= retain_prob
return x
这里解释下，为什么在后面还需要进行 x/=retain_prob 的操作？
假设该层是输入，它的期望是a，在不使用Dropout的时候，它的期望依旧是a。如果该层进行了Dropout, 相当于有p的概率被丢弃，1−p的概率被保留，则此层的期望为 ( 1 − p ) ∗ a ∗ 1 + p ∗ a ∗ 0 = ( 1 − p ) ∗ a (1−p)∗a∗1+p∗a∗0=(1−p)∗a (1−p)∗a∗1+p∗a∗0=(1−p)∗a,为了保证输入与输出的期望一致，我们需要进行代码中x/=retain_prob这一步。
对于传统的Dropout，在训练的时候，不需要进行x/=retain_prob的这一步，直接进行神经元Drop操作。此时，假设输入x的期望是a，则此时的输出期望为(1−p)∗a。在测试的时候，整个神经元是保留的，因此输出期望为a。为了让输入与输出的期望一致，则在测试的阶段，需要乘以(1−p),使其期望值保持(1−p)∗a。
传统的dropout和Inverted-dropout虽然在具体实现步骤上有一些不同，但从数学原理上来看，其正则化功能是相同的，那么为什么现在大家都用Inverted-dropout了呢？主要是有两点原因：
1、测试阶段的模型性能很重要，特别是对于上线的产品，模型已经训练好了，只要执行测试阶段的推断过程，那对于用户来说，推断越快用户体验就越好了，而Inverted-dropout把保持期望一致的关键步骤转移到了训练阶段，节省了测试阶段的步骤，提升了速度。
2、dropout方法里的p是一个可能需要调节的超参数，用Inverted-dropout的情况下，当你要改变p 的时候，只需要修改训练阶段的代码，而测试阶段的推断代码没有用到p ，就不需要修改了，降低了写错代码的概率。
DropOut的出发点是直接干掉部分神经元节点，我们能不能不干掉神经元，我们把网络权值干掉部分呢？DropConnect干掉的就是网络权重。具体细节如下：
针对二维卷积核进行DropConnect操作：
import torch
import torch.nn as nn
import torch.nn.functional as F
from torch.nn.modules.conv import _ConvNd,_pair
class DropConnectConv2D(_ConvNd):
def __init__(self, in_channels, out_channels, kernel_size, stride=1,
padding=0, dilation=1, groups=1,
bias=True, padding_mode='zeros', p=0.5):
kernel_size = _pair(kernel_size)
stride = _pair(stride)
padding = _pair(padding)
dilation = _pair(dilation)
super(DropConnectConv2D, self).__init__(
in_channels, out_channels, kernel_size, stride, padding, dilation,
False, _pair(0), groups, bias, padding_mode)
self.dropout = nn.Dropout(p)
self.p = p
def _conv_forward(self, input, weight):
if self.padding_mode != 'zeros':
return F.conv2d(F.pad(input, self._reversed_padding_repeated_twice, mode=self.padding_mode),
weight, self.bias, self.stride,
_pair(0), self.dilation, self.groups)
return F.conv2d(input, weight, self.bias, self.stride,
self.padding, self.dilation, self.groups)
def forward(self, input):
return self._conv_forward(input, self.dropout(self.weight) * self.p)
if __name__=='__main__':
conv = DropConnectConv2D(1,1,3,1,bias=False).train()
conv.weight.data = torch.ones_like(conv.weight)
a = torch.ones([1,1,3,3])
print(a)
print(conv(a))
StochasticDepth是采取类似于Dropout的思路，在ResNet块上随机进行对模块的删除，进而提高对模型的泛化能力。
如图所示，为Stochastic Depth的具体做法。
目前为主，丢的主要是权重，或者是丢的是神经元。这里开始，我们要丢的是是网络的输入，当然网络输入不仅仅可以丢，也可以添加噪声(Cutmix等)，这个是后面要做的内容。当然，还有一些对于输入图像进行Drop的操作(如random erase)。
图像上进行随机位置和一定大小的patch进行0−mask裁剪。一开始使用裁剪上采样等变换出复杂轮廓的patch后来发现简单的固定像素patch就可以达到不错的效果，所以直接采用正方形patch。
通过patch的遮盖可以让网络学习到遮挡的特征。Cutout不仅能够让模型学习到如何辨别他们，同时还能更好地结合上下文从而关注一些局部次要的特征。
如下图：
首先直观的从图片中看下DropBlock的具体做法：
其中(b)表示的是随机Dropout的效果，©为Drop掉相邻的一整片区域，即按Spatial块随机扔。
假设我们的输入tensor的维度是(4,3,2,2),那么我们在做BN的时候，我们在channel维度中“抽”出来一个通道的数据，则其维度为(4,1,2,2)。我们需要对这16个数据求均值μ 跟方差σ，并用求得的均值与方差归一化，再缩放数据，得到BN层的输出。
Dropout在网络测试的时候神经元会产生“variance shift”，即“方差偏移”。试想若有图一中的神经响应X，当网络从训练转为测试时，Dropout 可以通过其随机失活保留率（即p）来缩放响应，并在学习中改变神经元的方差，而BN仍然维持X的统计滑动方差(varrunning_var)。这种方差不匹配可能导致数值不稳定。而随着网络越来越深，最终预测的数值偏差可能会累计，从而降低系统的性能。事实上，如果没有Dropout，那么实际前馈中的神经元方差将与BN 所累计的滑动方差非常接近，这也保证了其较高的测试准确率。