深度学习中的Data Augmentation方法（转）基于keras
摘要：
在深度学习中，当数据量不够大时候，常常采用下面4中方法： 1. 人工增加训练集的大小. 通过平移, 翻转, 加噪声等方法从已有数据中创造出一批"新"的数据.也就是Data Augmentation2. Regularization. 数据量比较小会导致模型过拟合, 使得训练误差很小而测试误差特别大. 阅读全文
posted @ 2016-09-05 11:23 mitutao 阅读(36563) 评论(1) 推荐(1) 编辑
