TensorFlow实战（二）

一般出现过拟合的情况，网络结构太复杂或者数据量太小

防止过拟合的方法：

正则化方法：加到cost function中C0，通过权值改变cost，参数对输入值影响不大的，可以丢弃掉。

dropout：训练的时候每次迭代过程中然部分神经元不起作用，测试的时候所有神经元都用上。

示例代码：

未使用dropout:

import tensorflow as tf

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

# 载入数据集
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)

# 每个批次的大小，一次性放入神经网络的数据数量，以矩阵的形式放入
# 批次优化
batch_size = 100
# batch_size = 100
# 计算一共有多少个批次 //是整除的意思
n_batch = mnist.train.num_examples // batch_size

# 定义两个placehlder,None指的是可以是任意的值，根据传入的批次进行确定
x = tf.placeholder(tf.float32, [