过拟合:在训练集上的loss很低,但是在测试集上的loss很高,就是过拟合。模型的泛化能力差
欠拟合:不能在训练集上获得足够低的训练误差
过拟合的解决办法:
1、权值共享:减少模型参数,减少计算量
2、BatchNormalization(输入的数据做一个归一化处理):可以让大型卷积网络快速收敛,提高准确率。不需要使用局部归一化处理,也可以不加Dropout
3、Dropout:深度中最常见控制过拟合的方法,主要用在全连接层。Dropout方法是在一定概率上除去网络神经元。
欠拟合的解决办法:
1、加入新的特征
2、增加模型复杂度
3、减少正则化项系数