這段隨機遮罩程式碼實現的是哪種正則化？
附圖程式碼實現的是哪一種正則化技術？def forward(x, p, training=True):
if training:
mask = np.random.binomial(1, p, size=x.shape)
return x * mask / p
else:
return x
這段程式碼在訓練時（training=True）用隨機二元遮罩（0 或 1）乘以輸入，讓部分神經元的輸出隨機變成 0；推論時直接傳回原始輸入 x。
問你：這種「訓練時隨機讓部分神經元失效」的技術，實現的是哪一種正則化方法？
一句話總結
這段程式碼實現的是 Dropout：訓練時隨機把部分神經元的輸出設為零（用二元遮罩），推論時還原全部神經元，並用 / p 做比例補償，讓期望值在兩階段保持一致。
先感受問題：訓練時故意「關掉」部分神經元
「深智 AI」的工程師林子軒在訓練一個大型神經網路，發現訓練集準確率很高但驗證集準確率遠低，典型的過擬合症狀。他決定加入 Dropout。
Dropout 的邏輯很像「讓團隊在訓練時隨機缺席幾個人」：
推論時：所有神經元都工作，不再隨機關掉任何人
這段程式碼：
x * mask：把遮罩覆蓋到輸入上，mask=0 的位置輸出變 0
/ p：「倒置 Dropout」補償，讓留下的神經元輸出除以 p，確保期望值不變
其他三種正則化的程式碼長什麼樣？
- L1 正則化的程式碼特徵：出現在損失函數中，形如 loss += lambda * sum(abs(weights))，對權重的絕對值加懲罰。完全不涉及「遮罩」或「訓練/推論模式切換」。
- L2 正則化的程式碼特徵：出現在損失函數中，形如 loss += lambda * sum(weights ** 2)，對權重的平方加懲罰。同樣不涉及遮罩，也不區分訓練/推論模式。
- Batch Normalization 的程式碼特徵：計算 batch 的均值和標準差，對輸入做標準化（(x - mean) / std），再乘以可學習的 gamma 和加上 beta。程式碼包含 running_mean 和 running_var 的更新，訓練和推論模式的差別是用 batch 統計量還是全局統計量。沒有隨機遮罩。
- Dropout 的識別特徵：隨機遮罩（random.binomial 或 bernoulli 採樣）+ training 模式切換 + / p 的縮放補償，這三個特徵同時出現只有 Dropout。
- / p 這個除法的意義：這是「Inverted Dropout（倒置 Dropout）」的標誌。訓練時把神經元輸出除以保留機率 p，讓期望值保持不變（期望值 = p × (x/p) + (1-p) × 0 = x），推論時就不需要做任何縮放，直接 return x。
逐行識別 Dropout 的三個標誌
林子軒逐行分析這段程式碼：
np.random.binomial(1, p, size=x.shape) → 隨機生成 0/1 遮罩，這是 Dropout 的核心識別標誌，BN 沒有隨機遮罩
x * mask → 把輸出隨機置零，這是 Dropout 的功能定義
/ p → Inverted Dropout 的縮放補償，這是 Dropout 的第三個識別標誌
三個標誌：隨機遮罩 + 模式切換 + / p，確認這就是 Dropout。
這就是選項 C 講的：Dropout。
技術版：Inverted Dropout 的期望值分析與訓練/推論的一致性
中級考試大概率會考程式碼跟公式，所以這部分你還是要學。但如果現在學起來很痛苦，可以先跳過，等讀完其他題目回頭再來。
想像一個由 100 個人組成的委員會每次開會，但每次隨機讓其中 20 個人缺席（不參與投票）。因為每次缺席的是不同的人，委員會學會了「不依賴任何特定的人」，整體判斷更穩健。最終考試時，100 人全部出席，但為了確保決策的「力道」和平時練習一樣，把每個人的影響力縮小到 80%（除以 p=0.8）。這就是 Inverted Dropout 的邏輯。
| 操作 | 說明 |
|---|---|
| 訓練時輸出 | x * mask / p（mask=1 機率為 p，mask=0 機率為 1-p） |
| 訓練時期望值 | E[x * mask / p] = x × p × (1/p) + x × 0 × (1-p) = x |
| 推論時輸出 | 直接 return x |
| 一致性 | 訓練時期望值 = x = 推論時輸出，無需推論時縮放 |
- x
- 當前層的輸入張量
- p
- 保留機率（keep probability），每個神經元被保留的機率，丟棄機率為 1-p
- mask
- 二元遮罩，每個元素獨立以機率 p 為 1、機率 1-p 為 0
- x * mask
- 隨機置零操作，mask=0 的位置輸出為 0
- / p
- Inverted Dropout 補償：讓期望值在訓練和推論時一致，推論時不需要任何縮放
輸入 x = [1.0, 2.0, 3.0, 4.0, 5.0]，保留機率 p = 0.8 某次訓練的 mask = [1, 0, 1, 1, 0] （2 個神經元本次被丟棄，3 個保留） x * mask = [1.0, 0.0, 3.0, 4.0, 0.0] x * mask / p = [1.25, 0.0, 3.75, 5.0, 0.0] 期望驗證： 保留的元素 (x/p)：1/0.8=1.25, 3/0.8=3.75, 4/0.8=5.0 E[輸出] = 0.8×(x/0.8) + 0.2×0 = x ✓ 推論時：直接輸出 [1.0, 2.0, 3.0, 4.0, 5.0]，期望值不變
- 為什麼 Dropout 推論時不加遮罩？如果加了會怎樣？
- 如果不做 / p 的補償，推論時需要做什麼縮放？
- Dropout 的保留機率 p 一般設多少？設太高或太低各有什麼問題？
- Dropout 和 Batch Normalization 都有訓練/推論模式的差異，各自差在哪？
- Dropout 為什麼能防止過擬合？它如何讓神經網路更「穩健」？
為什麼其他選項是錯的
字面在說什麼：這段程式碼實現的是 L1 正則化（在損失函數中對權重絕對值加懲罰）。
為什麼不對：L1 正則化修改的是損失函數，在損失中加 λ × Σ|w|，不會出現「遮罩」、「training 模式」或「/ p」的操作。這段程式碼完全沒有接觸到權重（weights），只操作輸入 x。L1 在前向傳播中沒有任何特殊操作。
誰會選錯：看到「正則化技術」就想到 L1，沒有去分析程式碼的具體操作的人。
字面在說什麼：這段程式碼實現的是 L2 正則化（在損失函數中對權重平方加懲罰）。
為什麼不對：同 L1，L2 正則化作用在損失函數上（加 λ × Σw²），不在前向傳播中有特殊操作，不會有遮罩或模式切換。L2 防止過擬合的機制是約束權重大小，而非隨機置零神經元輸出。
誰會選錯：和選 A 同類型的錯誤，記憶層面的混淆而非分析程式碼的能力。
字面在說什麼：這段程式碼實現的是 Batch Normalization（批次正規化）。
為什麼不對：Batch Normalization 也有 if training 的模式切換，但其操作是「計算 batch 的均值和標準差，對輸入做標準化」，程式碼會看到 mean()、std()、gamma、beta 等操作。這段程式碼的操作是「隨機遮罩 + 置零 + / p 縮放」，完全沒有統計量計算，不可能是 BN。
誰會選錯：知道「BN 也有訓練/推論模式切換」，看到 if training 就想到 BN，忽略了 BN 和 Dropout 的程式碼特徵完全不同的人。
同個考點下次怎麼變形
直覺：如果把程式碼的 / p 移到推論時，而不是訓練時做，效果一樣嗎？
答案：效果一樣，這叫「Standard Dropout」（傳統版）：訓練時直接 x * mask（不除以 p），推論時把輸出乘以 p（縮小神經元影響力，補回訓練時的期望值）。兩種方案在數學上等價，但 Inverted Dropout（除以 p 在訓練時做）在實作上更方便，推論代碼不需要修改，現代框架（PyTorch、TF）普遍採用。
直覺：Dropout 用在 CNN 卷積層和全連接層，效果一樣嗎？
答案：不一樣。在全連接層，Dropout 隨機置零每個神經元（單個值）。在 CNN 的特徵圖（feature map）上，普通 Dropout 置零單個像素效果不佳（相鄰像素相關性很高），通常改用 Spatial Dropout（置零整個 channel / feature map），這樣才能真正讓某個特徵完全不可見，增加正則效果。
直覺：Dropout 和 Batch Normalization 搭配使用時，應該注意什麼？
答案：BN 和 Dropout 在某些情況下會相互干擾。BN 在訓練時用 batch 統計量（均值/方差），Dropout 改變了每個 batch 的輸入分布（部分輸出為 0），可能讓 BN 的統計量不穩定。一般建議：如果用 BN，可以減少或取消 Dropout；如果同時用，Dropout 通常放在 BN 之後，且丟棄率設低一些。
直覺：Dropout 在 Transformer / Attention 架構中有什麼特殊應用？
答案：在 Transformer 中，Dropout 被用在：（1）注意力權重上（Attention Dropout）：隨機置零部分注意力連接，讓模型不過度依賴特定 token；（2）殘差連接的輸出上（Residual Dropout）：對每個子層的輸出加 Dropout 再加入殘差；（3）Embedding Dropout：隨機置零某些 token 的嵌入向量。BERT、GPT 等模型都用了這些 Dropout 策略。
直覺：怎麼知道加了 Dropout 之後過擬合真的改善了？
答案：看訓練集和驗證集損失的差距：加 Dropout 前，訓練損失低但驗證損失高（差距大）；加後，差距縮小，驗證損失接近訓練損失。驗證集上的最終 Loss 或 Accuracy 是否有提升。如果加 Dropout 後訓練變慢（訓練損失下降得更慢），這是正常的，代表模型學習變困難了，需要更多 epoch 訓練。
想再往下看，這 5 個
- Dropout（隨機丟棄）本題核心：訓練時隨機讓部分神經元失效，讓網路學會冗餘表示，是深度學習中最廣泛使用的正則化技術。
- 批次正規化（Batch Normalization）另一個有訓練/推論模式差異的技術，操作對象是每層輸入的分布而非隨機置零，常與 Dropout 比較。
- 正則化（Regularization）Dropout、L1、L2 都屬於正則化技術的上層概念，目標都是防止過擬合、提升泛化能力。
- 過擬合（Overfitting）Dropout 要解決的根本問題：模型記住了訓練資料的雜訊，在新資料上表現差。
- 神經網路（Neural Network）Dropout 的應用場景：深度神經網路中每一層之間都可以插入 Dropout，是大型模型的標準訓練技巧。