神经网络过拟合常用处理方法 增加训练数据 目的是从更多的数据中学习更多的映射关系 减少网路的复杂度 常用操作减少网络层数,或者网络参数 添加权重正则化 在kears 常用L1,L2已经两者混合的正则化 添加dropout层 对某一层使用dropout,就是在训练过程中随机将该层的一些输出特征设置为0。通常设置为0.2-0.5范围内,数值越大丢弃的特征越多,该参数属于超参数。设置过大会导致输出结果几乎为0,或者说梯度消失。