此分类用于记录吴恩达深度学习课程的学习笔记。
课程相关信息链接如下：
- 原课程视频链接：[双语字幕]吴恩达深度学习deeplearning.ai
- github课程资料，含课件与笔记:吴恩达深度学习教学资料
- 课程配套练习（中英）与答案：吴恩达深度学习课后习题与答案
本周为第二课的第一周内容，就像课题名称一样，本周更偏向于深度学习实践中出现的问题和概念，在有了第一课的机器学习和数学基础后，可以说，在理解上对本周的内容不会存在什么难度。
当然，我也会对一些新出现的概念补充一些基础内容来帮助理解，在有之前基础的情况下，按部就班即可对本周内容有较好的掌握。
本篇继续上篇的内容，介绍dropout 正则化。
1. dropout 正则化
1.1 原理介绍
Dropout（随机失活）是一种在训练过程中随机"丢弃"部分神经元 的正则化方法。
它的核心思想是：在每次训练迭代时，随机让一部分神经元暂时不参与前向传播和反向传播，从而防止网络过度依赖某些特定节点。
通俗地讲，就是在每次迭代时，会随机出现"修路 "情况来关闭一些神经元，避免模型"太喜欢某条常走的弯路 "，尝试多条路径，从而增强泛化能力，就像这样：
在数学上，设一个隐藏层的输出为 \(A^{[l]}\)，那么 Dropout 的过程可表示为：
\[D^{[l]} = \text{rand}(A^{[l]}.shape) < keep_{prob} \]
\[A^{[l]} = A^{[l]} * D^{[l]} \]
\[A^{[l]} = \frac{A^{[l]}}{keep_{prob}} \]
其中：
- \(D^{[l]}\) 是一个与 \(A^{[l]}\) 形状相同的随机掩码矩阵；
- \(keep_{prob}\) 是保留神经元的概率；
- 除以 \(keep_{prob}\) 是为了保持整体激活期望一致（防止数值偏移）。
别慌，这几个公式堆在一起看起来确实挺吓人，我们同样展开一些需要理解的内容：
（1）什么叫随机掩码矩阵？
"随机掩码矩阵"其实就是一张决定谁能"上场"的随机名单表 。
在每一轮训练中，rand(A.shape) 会生成一个介于 0~1 的随机矩阵，如果某个位置的随机数小于 \(keep_{prob}\) ，那对应的神经元就被"保留"，否则就被"屏蔽"。
用一个实例来说明：假设我们有一个隐藏层输出：
\[A^{[l]} = \begin{bmatrix} 0.2 & 0.6 & 0.4 & 0.9 \end{bmatrix} \]
现在，我们设置保留概率 \(keep_{prob} = 0.5\)，然后随机生成：
\[D^{[l]} = \begin{bmatrix} 1 & 0 & 1 & 0 \end{bmatrix} \]
于是更新后的输出就是：
\[A^{[l]} = A^{[l]} * D^{[l]} = [0.2, 0, 0.4, 0] \]
这就表示------在这一轮训练中，第 2 和第 4 个神经元被"临时关闭" 。
它们既不会参与当前的前向传播，也不会计算梯度更新。
换句话说，每一轮上场的神经元阵容都不同， 有时候 1、3 上，有时候 2、4 上，像在打轮换赛。
（2）保持整体激活期望一致是什么意思？
由于每次训练时有一部分神经元被"关掉"，如果不做任何处理，剩下神经元的输出总量就会变小 。
这会导致模型的数值分布发生偏移，训练和测试阶段的行为不一致。
这句话是什么意思？什么叫偏移？怎么就不一致了？ 我们来详细解释一下：
在训练阶段，我们启用 Dropout------每一轮随机关闭一部分神经元；
而在测试阶段，我们不再丢弃神经元，希望所有连接都参与计算。
因此，如果不做"除以 \(keep_{prob}\)"的调整，训练 时网络看到的激活值较小 ，而测试 时所有神经元都激活，信号强度会突然变大。
打个比方，这就相当于：
模型在训练时习惯了"音量 50%"，但一到测试就被拉成"音量 100%"， 结果预测结果可能大幅波动，这就是所谓的分布偏移（distribution shift）
即同样的输入数据，在训练和测试时，网络的激活分布不一样，表现出不同的"行为模式"。
而调整的目的就是：让训练时的信号强度和测试时一致，这样模型在上场时才不会突然音量上升而不适应。
我们继续用上面的例子：
原来的激活平均值为：
\[\text{mean}(A^{[l]}) = \frac{0.2 + 0.6 + 0.4 + 0.9}{4} = 0.525 \]
Dropout 之后（关掉一半神经元）：
\[A^{[l]} = [0.2, 0, 0.4, 0] \Rightarrow \text{mean} = 0.15 \]
平均值直接变小了三倍，这会让网络误以为"信号整体变弱"，从而影响学习。
所以我们把输出除以保留概率：
\[A^{[l]} = \frac{A^{[l]}}{keep_{prob}} = [0.4, 0, 0.8, 0] \]
这时平均值恢复到：
\[\text{mean} = 0.3 \]
虽然不完全相等，但数量级一致，期望保持平衡。
换成人话就是： 虽然有一半神经元请假了，但留下来的要多干一倍活，这样团队输出不变。（难绷）
（3）为什么这么"随机"的机制能起作用？
随机丢弃神经元，会让网络在每次训练中都看到一个不同的子网络 。
于是整个训练过程，就像在同时训练一大群共享参数的小网络。
最终，当我们在测试时把所有神经元都打开，网络的行为就相当于这些小网络预测结果的集成平均 。
因此，Dropout 能显著提升模型的稳健性，减少过拟合。
就像一个团队经过无数次不同组合的演练， 最终每个人都能独当一面，不再依赖特定搭档。
总之，dropout正则化就是每次训练都会让网络"瘦身"，但每次瘦的部分不同。
这样，网络学到的不是一条固定通路，而是多条冗余且稳健的特征路径。
1.2 "人话版总结"
可以把神经网络想成一张复杂的城市路网，每条"路"就是一条神经元之间的连接。
在没有正则化时，模型总喜欢走几条特别顺畅的"老路"，久而久之就太依赖这些路线了。
一旦测试阶段路况稍有不同（数据分布变化），模型就会懵，因为它从来没学会走别的路 。
而 Dropout 做的事，就是在每次训练时------
随机封几条路去维修，让模型被迫换条路走。
久而久之，模型就能适应多种交通方案，学会多条"通往目的地"的路径。
等到测试阶段，所有道路都重新开放，模型就像整个城市的交通系统都训练有素：
不管哪条路通，都能通向正确的结果。
这也就是 Dropout 提升模型泛化能力的根本原因。
| 类型 | 内容 | 形象比喻 |
|---|---|---|
| 优点 | 1. 有效防止过拟合，让模型不过度依赖特定神经元。2. 提高模型的鲁棒性（稳健性），相当于训练了多个"子网络"的集成效果。3. 在一定程度上还能起到特征选择作用，让网络更"均衡"地使用不同特征。 | 修路让模型学会多条路线，不怕某条主路堵车。 |
| 缺点 | 1. 训练时间变长（因为每次激活模式不同，收敛更慢）。2. 不适合用于推理阶段，测试时必须关闭 Dropout。3. 如果 \(keep_{prob}\) 过低，会导致模型学习信号太弱，出现欠拟合。 | 修太多路，车都走不动了；修太少路，又起不到练兵效果。 |
2. 应用正则化和调节学习率的关系？
在上一篇的结尾，我们提出了这样一个问题：应用正则化和直接调节学习率有什么不同呢？
详细点说：
既然正则化最终是要影响参数的大小，那我是不是调一调学习率也能达到类似的效果？
要回答这个问题，我们先分别看看二者到底在干什么。
2.1 学习率：决定"走多快"
学习率 \(\alpha\) 是梯度下降中最直观的参数。
它控制着模型在参数空间中更新的步伐大小：
\[W := W - \alpha , dW \]
- 学习率太大：模型可能"迈太大步"，直接越过最优点，甚至震荡发散。
- 学习率太小：模型每次只挪一点点，训练速度慢到令人发疯。
通俗地讲：学习率决定你"往山谷底走的步子多大" 。
太大了会一脚踩空；太小了磨到天荒地老。
2.2 正则化：决定"走哪条路"
正则化并不是控制你"走得快不快"，而是在梯度更新时施加一种施加一种特定的影响力 。
以 L2 正则化为例，参数更新公式是：
\[W := W - \alpha \left(dW + \frac{\lambda}{m} W \right) \]
可以看出：
- \(\frac{\lambda}{m}W\) 这一项，会在每次更新时把权重往 0 拉一点；
- 它的目的不是减慢步伐，而是修正方向------让参数不至于"长歪"。
Dropout也是同理， 就像在训练道路上随机设置一些坑洞，让车手学会绕过，而不是死死踩同一条路，它并不减慢你的油门（学习率依然决定速度），而是防止模型走到"捷径陷阱"，学得太偏。
通俗地说：学习率是油门，正则化是方向盘。
学习率太大，车容易冲出路，没有正则化，车会偏离中心线。
这里我用GPT画了一张图，或许能帮助记忆：
2.3 总结
| 对比项 | 学习率调节 | 正则化（L2 / Dropout） |
|---|---|---|
| 目的 | 控制参数更新的速度 | 控制参数更新的方向与幅度，使其不过大，或防止过拟合 |
| 影响阶段 | 优化器（梯度下降） | 损失函数（多加一项惩罚）或训练策略（Dropout） |
| 公式体现 | \(W := W - \alpha dW\) | \(W := W - \alpha (dW + \frac{\lambda}{m}W)\) 或随机丢掉部分神经元 |
| 形象比喻 | 决定"走多快" | 决定"往哪走"，Dropout 让车手学会绕开陷阱 |
| 错误调节后果 | 步子太大，震荡不收敛；太小，训练缓慢 | 惩罚太强，模型太简单（欠拟合）；太弱，模型太复杂（过拟合）；Dropout 太大，模型收敛慢 |
| 交互影响 | 学习率越大，惩罚效果越显著；两者需协调 | 一般配合调节，防止权重过大或收敛太慢 |
总之，学习率与正则化是互补的，而不是替代关系。
一个决定"快慢"，一个决定"方向和稳健性"；
只有搭配得当，模型才能又快又稳地收敛到合理的最优点。
对正则化的介绍暂时就到此为止，下一篇会简要介绍一些其他帮助缓解过拟合的方法，说实话，有些方法甚至会给我们一种"耍小聪明"的感觉。