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。
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… …
深度学习避免过拟合方法整理
于 2023-01-31 23:16:57 首次发布
扫一扫
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
