14天pytorch第二次打卡

训练模型过程中常见的问题： （1）过拟合（overfitting）：模型在训练时的误差远小于测试时的误差（训练误差较小，实际测试时误差大） （2）欠拟合（underfitting）：训练误差较大 影响因素：数据集的大小，模型的复杂度等 过拟合改进方法：dropout，正则化 （3）当神经网络的层数较多时，梯度的计算容易出现消失或爆炸现象。 卷积神经网络基础： 二维卷积核（过滤器）在二维数组上不断滑

>>阅读原文<<