SuBaiACCa的博客

正则化是为了防止过拟合现象的出现，什么是过拟合在机器学习的模型中，如果模型的参数太多，而训练样本又太少，训练出来的模型很容易产生过拟合的现象。在训练神经网络的时候经常会遇到过拟合的问题，过拟合具体表现在：模型在训练数据上损失函数较小，预测准确率较高；但是在测试数据上损失函数比较大，预测准确率较低。过拟合是很多机器学习的通病。如果模型过拟合，那么得到的模型几乎不能用。为了解决过拟合问题，一般...

转载自一位大佬的博客，很好理解版权声明：本文为博主原创文章，欢迎大家转载，但是要注明我的文章地址。 https://blog.youkuaiyun.com/program_developer/article/details/807377241. Dropout简介1.1 Dropout出现的原因在机器学习的模型中，如果模型的参数太多，而训练样本又太少，训练出来的模型很容易产生过拟合的现象。在训练...

# -*- coding: utf-8 -*-"""Created on Sat Mar 23 19:11:23 2019@author: Admin"""import tensorflow as tf #定义输入，输出，隐藏层1的节点个数INPUT_NODE = 784 #28*28OUTPUT_NODE = 10 #输出10个结点，十种分类结果，对应0-9数字LA...