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
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