Pytorch：如何防止Overfitter（过拟合）？以及regularization

weixin_62637793

于 2021-11-19 11:51:11 发布

阅读量1.1k

点赞数 3

文章标签： python 开发语言后端

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_62637793/article/details/121417994

版权

方法：

（1）more data

（2）降低模型复杂度

（3）dropout

regularization（可以用来降低模型复杂度）

公式：

L1-regularization

$J\left ( \theta \right )= -\frac{1}{m}\sum \left [ y_{i} ln\hat{y_{i}}+\left ( 1-y_{i} \right )ln\left ( 1-\hat{y_{i}} \right )\right ]$ $+\lambda \sum \left | \Theta _{i} \right |$ ,前项累加从i=1到m，后项累加从i=1到n。

或者

最低0.47元/天解锁文章

weixin_62637793

关注

3
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
Pytorch：如何防止Overfitter（过拟合）？以及regularization

方法：（1）more data（2）降低模型复杂度（3）dropoutregularization（可以用来降低模型复杂度）公式：L1-regularization,前项累加从i=1到m，后项累加从i=1到n。或者L2-regularization（更常用） + 两种情况。对于L2设置weigh_decay=0.01，w会迫使二范数接近于0，这个0.01，即前面的参数=0.01。就可以降低网络复杂度了import torchdevice=torch.
复制链接

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。