过拟合的处理方法总结

1. L1&L2参数正则化 基本的思想是对参数进行约束，在保证取得最小的损失函数的同时衰减不相关特征的参数。具体可以看另外一篇博文：L1 & L2 正则化的理解 2. Dropout 集成思想，同时减少每层的神经节点之间的相互依赖。 3. 数据增强 原始的思想是扩充数据集，增强泛化能力。裁剪/翻转/颜色亮度变化。 数据增强 4. 迁移学习 当你的数据集比较小，训练的网络过拟合，泛化能力比较差，你也

>>阅读原文<<