tf.keras.layers.Dropout 레이어는 과적합을 방지하기 위해 무작위로 일부 뉴런을 제거하는 레이어입니다. 이를 통해 모델이 특정 뉴런에 지나치게 의존하지 않도록 하고, 일종의 앙상블 효과를 가져와 일반화 능력을 향상시킵니다. 아래는 tf.keras.layers.Dropout 레이어를 사용한 예제입니다.

import tensorflow as tf

## 입력 데이터 크기: 10 (예시로)
input_size = 10

## Dropout 레이어 정의
dropout_layer = tf.keras.layers.Dropout(rate=0.5)

## 더미 입력 데이터 생성
dummy_input = tf.random.normal(shape=(1, input_size))  # 배치 크기 1로 가정

## Dropout 레이어 실행
output = dropout_layer(dummy_input, training=True)  # training=True는 학습 모드에서 Dropout을 활성화

print("Input shape:", dummy_input.shape)
print("Output shape:", output.shape)` 

위 예제에서는 tf.keras.layers.Dropout 레이어를 사용하여 입력 크기가 10인 더미 데이터에 대한 레이어를 정의하고 실행합니다. rate 매개변수로 제거할 뉴런의 비율을 설정합니다. training=True로 설정하여 학습 중에 Dropout을 활성화합니다.

실행 결과:

Input shape: (1, 10)
Output shape: (1, 10)` 

위에서 확인할 수 있듯이, 입력 데이터의 형태가 (1, 10)이며 출력 데이터의 형태도 동일합니다. Dropout 레이어는 학습 중에만 활성화되므로, 학습이 아닌 추론(inference) 단계에서는 Dropout이 적용되지 않습니다.

Dropout은 주로 신경망 모델의 복잡도를 줄이고 과적합을 방지하기 위해 사용됩니다.