14.Dropout

在训练过程中，dropout会以概率p随机地将一些神经元的输出设置为0，防止过拟合。在测试过程中，dropout不会被应用，而是通过将每个神经元的输出乘以保留概率（通常为0.5）来进行缩放。这是因为测试时，我们希望利用所有的神经元来获得更好的预测结果。
dropout的工作原理是，在每个训练批次中，随机选择一些神经元，并将它们的输出设置为0。这样做的结果是，网络不再依赖于特定的神经元，而是强迫网络学习多个独立的特征子集，从而减少了过拟合的风险。

torch.nn.Dropout(p=0.5, inplace=False)