深度学习避免过拟合方法整理

本文探讨了深度学习中常用的正则化技巧,包括weight decay、dropout及批量归一化(BN)。weight decay几乎被普遍采用,用于限制权重的范围;dropout主要用于全连接层,通过丢弃部分神经元来防止过拟合;BN则常应用于卷积层。文中提到,在增加隐藏层数使模型达到过拟合后再使用dropout通常效果更佳。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

weightdecay:几乎都在使用,作用是限制权重范围
dropuout:主要用在全连接层,作用是丢弃多少个神经元;一般来说,增加隐藏层数使模型先达到过拟合再droupout的效果会比减少隐藏层数避免过拟合好。
BN:用于卷积层

有待完善… …

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值