深度学习更容易过拟合

为什么呢？
原因在于深度两字，现在的神经网络可以搭建很多层，几十层，甚至上百层，比如手写数字识别案例中，就用到了784个特征，256个中间层神经元，层数与神经元个数不断叠加引发过拟合。

如何防止过拟合？
1、正则化
2、增大数据集
3、dropout

dropout也是为了使模型更加简单一些，在构建的神经元中不带那么多神经元参与计算。
有一篇文章详细介绍了dropout，可参考添加链接描述