根本方法是获取更多的数据,除了获得更多的数据之外,还有一些技巧用于解决过度拟合问题,这里列出了一些最常见的技术: DropoutL2正则化数据增强 其中Dropout和L2正则化在之前的文章()中已经分析过,这篇文章介绍数据增强。 数据增强的目的是为了在相同的标签下,获取更多的输入样本。主要方法包括:旋转、随机裁剪、平移、噪声扰动、颜色变换等