tensorflow2.0---笔记5 过拟合及解决方法

文章目录 欠拟合与过拟合 欠拟合 过拟合 小结 减轻过拟合的方法 交叉验证 规范化（Regularization） early stopping & dropout early stopping dropout 动量与学习率 动量 采取可变（衰减）的学习率 随机梯度下降 欠拟合与过拟合 模型越复杂（层数，每层神经元数量），表达能力越强。 欠拟合 欠拟合特点： 过拟合 过拟合特点（模型泛化能力差）：

>>阅读原文<<