tensorflow学习笔记（四）

过拟合 当模型在训练数据上表现得很好，但是在测试数据上表现不佳的时候，说明发生了过拟合，欠拟合则是模型在任一数据集上的表现都不佳。 一般通过在模型中添加Dropout层来防止过拟合的出现 Dropout层表示在上一层的输出中丢弃一部分节点，然后在输入到下一层。 在没有Dropout层时，相同的数据集来进行训练五个不同的神经网络，一般会得到五个不同的结果，但是经过随机丢弃之后，结果会变的泛化。 同时

>>阅读原文<<