LFU，全称Least Frequently Used，即最不经常使用 常被用于缓存淘汰策略，核心思想就是依据缓存的访问次数来降序排序。缓存访问次数多的排前面，当需要删除缓存时，优先删除排在末尾的缓存

来自 FAIR，Meta AI，UC Berkeley，MBZUAI 的研究员们继续对 Dropout 进行了探索，证明了在训练开始时使用 Dropout 也可以缓解欠拟合。

在深度神经网络训练的过程中，由于网络中参数变化而引起网络中间层数据分布发生变化的这一过程被称为内部协变量偏移（Internal Covariate Shift），而 BN 可以解决这个问题。