基于Theano的深度学习(Deep Learning)框架Keras学习随笔-08-规则化(规格化)

本文介绍了在Keras中如何使用规则化项来防止过拟合,包括W_regularizer、b_regularizer和activity_regularizer的使用方法,并详细讲解了预设的L1和L2规则化项,以及相关的快捷函数。通过实例代码展示了规则化的应用。
摘要由CSDN通过智能技术生成

        原地址:http://blog.csdn.net/niuwei22007/article/details/49228095可以查看更多文章

通过前几篇的介绍,网络已经选择好了优化器、目标函数、模型以及激活函数。并且给权值选择了初始化方法。那么接下来就是训练。训练过程后会出现什么问题呢?过拟合!而有效解决过拟合的方法就是加入规则项。具体的规则化请见http://blog.csdn.net/niuwei22007/article/details/48929935中对于规则化的介绍。

一、如何使用规则化项

        规则化项是一个对于权值参数的惩罚项。它包含在代价函数中。

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