1、深度学习中欠拟合的解决方法:
扩充训练集的特征种类
使用更加复杂的模型
减少正则化的参数
2、深度学习中过拟合的解决方法:
数据增强
提前终止训练过程
采用正则化
Dropout
Batch Nomalization
从此开始我的优快云博客之旅。进步不易,贵在认真和坚持。
本文探讨了深度学习中常见的拟合问题,并提出了具体的解决方案。针对欠拟合问题,建议通过增加特征种类、使用更复杂的模型及减少正则化参数等方法来改善;对于过拟合问题,则推荐采用数据增强、提前终止训练、正则化、Dropout及Batch Normalization等手段。
1、深度学习中欠拟合的解决方法:
扩充训练集的特征种类
使用更加复杂的模型
减少正则化的参数
2、深度学习中过拟合的解决方法:
数据增强
提前终止训练过程
采用正则化
Dropout
Batch Nomalization
从此开始我的优快云博客之旅。进步不易,贵在认真和坚持。
6500
1081

被折叠的 条评论
为什么被折叠?