tf.contrib.layers.l2_regularizer

import tensorflow as tf
import tensorflow.contrib as contrib

weight = tf.constant([[1.0, -2.0], [-3.0, 4.0]])
with tf.Session() as sess:
    # 输出为(|1|+|-2|+|-3|+|4|)*0.5=5
    print(sess.run(contrib.layers.l1_regularizer(0.5)(weight)))
    # 输出为(1²+(-2)²+(-3)²+4²)/2*0.5=7.5
    # TensorFlow会将L2的正则化损失值除以2使得求导得到的结果更加简洁
    print(sess.run(contrib.layers.l2_regularizer(0.5)(weight)))
    # l1_regularizer+l2_regularizer
    print(sess.run(contrib.layers.l1_l2_regularizer(0.5, 0.5)(weight)))

规则化可以帮助防止过度配合，提高模型的适用性。（让模型无法完美匹配所有的训练项。）（使用规则来使用尽量少的变量去拟合数据）

规则化就是说给需要训练的目标函数加上一些规则（限制），让他们不要自我膨胀。

损失通常被添加到 tf.GraphKeys.REGULARIZATION_LOSSES。

机器学习的 L1 和 L2 规范

其他规则化函数 Regularizers

• tf.contrib.layers.apply_regularization

• tf.contrib.layers.l1_regularizer

• tf.contrib.layers.l2_regularizer

• tf.contrib.layers.sum_regularizer

转载于:https://www.cnblogs.com/guqiangjs/p/7807852.html