深度神经网络训练过程中为什么验证集上波动很大_了解神经网络和模型泛化

深层神经网络的模型概括，过度拟合和正则化方法的挑战

> Source

在完成了与神经网络有关的多个AI项目之后，我意识到模型的概括能力对于AI项目的成功至关重要。 我想写这篇文章来帮助读者了解如何使用正则化方法来优化模型的性能，并更好地理解基于神经网络提供可靠且可扩展的AI解决方案的复杂性。

泛化是用于描述模型对新数据做出反应的能力的术语。

泛化是模型经过训练后可以消化新数据并做出准确预测的能力。 这可能是您的AI项目中最重要的元素。 模型的概括能力对于AI项目的成功至关重要。 确实，我们担心模型在训练数据上训练得太好，但是无法推广。

因此，我们常常没有达到生产阶段……在提供新数据时，它会做出不准确的预测，即使模型能够对训练数据做出准确的预测，也会使模型无用。 这称为过拟合。

相反的情况也可能发生。 欠拟合是指未对数据进行足够的模型训练。 在欠拟合的情况下，即使使用训练数据，模型也一样无用，也无法做出准确的预测。

在所有AI项目中&