過擬合解決方案

增加訓練的數(shù)據(jù)量

L1或L2正則化，在原來的cost基礎上加上一個正則項

dropout，隨機忽略某些神經(jīng)元，dropout(0.6)說明隨機有60%的神經(jīng)元被關(guān)閉（隨機性失活）

數(shù)據(jù)集的準備，加入噪點，增白，batchsize，shuffle

Batch Normalization

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點，簡書系信息發(fā)布平臺，僅提供信息存儲服務。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容