L1正则化、L2正则化以及dropout正则化的keras实现

# L2正则化
from keras import regularizers

model = models.Sequential()
# l2(0.001)是指该层权重矩阵每个系数都会使网络总损失增加0.001*weight_coefficient_value
# 由于这个惩罚项只在训练时添加,因此这个网络的训练损失会比测试损失大很多
model.add(layers.Dense(16,kernel_regularizer=regularizers.l2(0.001),
                       activation='relu',input_shape=(10000,)))
model.add(layers.Dense(16,kernel_regularizer=regularizers.l2(0.001),
                       activation='relu',input_shape=(10000,)))
model.add(layers.Dense(1,activation='sigmoid'))

# L1正则化
regularizers.l1(0.001)

# 同时做L1和L2正则化
regularizers.l1_l2(l1=0.001,l2=0.001)


# dropout正则化
model = models.Sequential()
model.add(layers.Dense(16,activation='relu',input_shape=(10000,))
model.add(layers.Dropout(0.5))
model.add(layers.Dense(16,activation='relu')
model.add(layers.Dropout(0.5))
model.add(layers.Dense(1,activation='sigmoid')

 

  • 4
    点赞
  • 28
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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