qq_31375855的博客

过拟合主要包括数据量小，网络复杂learning rate 比较高，又没有设置任何防止过拟合的机制解决方法主要包括利用现有深度学习手段增加数据（翻转，平移，随机裁剪，imgaug）利用 dropout层（一般dropout=0.5）利用正则化，例如图片需要把RGB值除以255。L1正则化通过让原目标函数加上了所有特征系数绝对值的和来实现正则化，而L2正则化通过让原目标函数加上了所有特征系数的平方和来实现正则化。在分验证集之前打乱数据因为validation_sp

这里写自定义目录标题cv.dnn.readNet()cv.dnn 的其它加载模型的方法有：cv.dnn.readNet()官方文档：https://docs.opencv.org/3.4/d6/d0f/group__dnn.html#ga3b34fe7a29494a6a4295c169a7d32422模型权重文件支持的文件格式：*.caffemodel (Caffe, http://c...