在TensorFlow中，可以通過使用tf.keras.layers.Dropout層來實現丟棄法。丟棄法是一種常用的正則化技術，可以在訓練過程中隨機丟棄一部分神經元，防止過擬合。
下面是一個使用丟棄法的簡單示例：
import tensorflow as tf
# 定義一個包含丟棄法的神經網絡模型
model = tf.keras.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dropout(0.2),
tf.keras.layers.Dense(10, activation='softmax')
])
# 編譯模型
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
# 訓練模型
model.fit(train_images, train_labels, epochs=5)
在上面的示例中，tf.keras.layers.Dropout(0.2)表示在訓練過程中以概率0.2丟棄輸入的神經元。在測試過程中，該層會保持所有神經元的輸出。
