Keras深度学习添加自定义正则项

最新推荐文章于 2024-05-31 08:43:31 发布

旧梦如烟

最新推荐文章于 2024-05-31 08:43:31 发布

阅读量2.7k

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习之Keras

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/wang263334857/article/details/88423960

深度学习之Keras 专栏收录该内容

9 篇文章

订阅专栏

本文介绍如何在Keras模型中添加自定义的L1正则化项，通过定义一个自定义正则化函数并在Dense层中应用，实现对权重的约束，以减少过拟合。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

from keras.models import  Model

from keras  import backend   as K
from  keras.layers  import Dense

def  l1_reg(weights):  #自定义正则项
    return  0.01 * K.sum(K.abs(weights))


model =  Model()

model.add(Dense(64,input_dim = 64,kernel_regularizer = l1_reg)) #在模型里添加该正则项

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。