Dropout为什么有正则化的作用？
下面来直观理解一下。
上面讲到，dropout每次迭代都会让一部分神经元失活，这样使得神经网络会比原始的神经网络规模变小，因此采用一个较小神经网络好像和使用正则化的效果是一样的。
第二个直观认识是
我们从单个神经元入手，这个单元的工作就是输入并生成一些有意义的输出，通过dropout，该单元的输入被随机地消除，因此该神经元不能只依靠任何一个特征（即输入），因为每个特征都有可能被随机清除，或者说该神经元的输入可能被随机清除，因此不会把所有赌注都放在一个输出上，不愿意给任何一个输入加上太多权重，因为它（输入）可能会被删除。因此该单元将通过这种方式积极地传播开，并为单元的四个输入只赋予一点权重。通过传播所有权重，dropout将产生收缩权重的平方范数的效果。和我们之前讲过的L2正则化类似，实施dropout的结果是它会压缩权重，并完成一些预防过拟合的外层正则化。事实证明，dropout被真实地作为一种正则化的替代方式，但是L2正则化对不同权重衰减是不同的，它取决于倍增的激活函数的大小。
总结一下，dropout的功能类似于L2正则化，与L2正则化不同的是，被应用的方式不同。Dropout也会有不同，甚至更适用于不同的输入范围。
实施dropout的另外一个细节是，下面是一个拥有三个输入特征的网络，其中一个要选择的参数是keep_prob，不同层的keep_prob也可以变化。比如说第一层，矩阵W[1]大小是3x7，第二个权重矩阵大小是7x7，等等。W[2]是最大的权重矩阵，因为W[2]拥有最大的参数集，即7x7，为了预防矩阵的过拟合，那么对于这一层，我们可以将该层的keep_prob的值设置的低一些，比如说0.5，对于其他层，过拟合的程度可能没那么严重，它们的keep_prob值可能高一些，如0.7，如果在某一层，我们不担心其存在过拟合的情况，那么keep_prob值可以设置为1。下图中紫色框出的小数即为每一层的keep_prob值。注意keep_prob值是1的话，那么意味着保留所有单元，即不在这一层使用dropout。
从技术上讲，我们也可以对输入层应用dropout，我们有机会删除一个或者多个输入特征，虽然现实中我们通常不这样做。
总结一下，如果你担心某些层比其他层更容易发生过拟合，可以把某些层的keep_prob值设置得比其他层更低，缺点是需要使用交叉验证，你要搜索更多的超参数；另一种方案是在一些层上应用dropout，而有些层不使用dropout，应用dropout的层只有一个超参数，即keep_prob。
下面分享两个实施过程中的技巧
实施dropout，在计算机视觉领域有很多成功的第一次，计算机视觉中输入量非常大，输入太多像素，以至于没有足够的数据，所以dropout在计算机视觉中应用得比较频繁。但要牢记的一点是，dropout是一种正则化方法，它有助于预防过拟合，因此，除非算法过拟合，不然一般不用dropout，因此一般用在计算机视觉领域，因为我们没有足够的数据，所以会造成过拟合。
Dropout的一大缺点就是代价函数J不再被明确定义（造成每次迭代损失函数值可能不会总体上单调递减），每次迭代，都会随机移除一些节点，如果再三检查梯度下降的性能，实际上很难进行复查。因此，一般是在调试前，先将keep_prob设置为1，先训练一遍，确保损失J是不断下降的，保证网络本身没问题之后，再设置合适的keep_prob值，再进行训练。
内容主要来自与：
Andrew Ng的改善深层神经网络：超参数调试、正则化以及优化课程