2019年4月25日
TensorFlow之DNN（三）：神经网络的正则化方法(Dropout、L2正则化、早停和数据增强)
摘要： 这一篇博客整理用TensorFlow实现神经网络正则化的内容。 深层神经网络往往具有数十万乃至数百万的参数，可以进行非常复杂的特征变换，具有强大的学习能力，因此容易在训练集上过拟合。缓解神经网络的过拟合问题，一般有两种思路，一种是用正则化方法，也就是限制模型的复杂度，比如Dropout、L1和L2正 阅读全文
posted @ 2019-04-25 16:10 Luv_GEM 阅读(7513) 评论(0) 推荐(0) 编辑