解决过拟合：如何在PyTorch中使用标签平滑正则化

什么是标签平滑？在PyTorch中如何去使用它？ 在训练深度学习模型的过程当中，过拟合和几率校准(probability calibration)是两个常见的问题。一方面，正则化技术能够解决过拟合问题，其中较为常见的方法有将权重调小，迭代提早中止以及丢弃一些权重等。另外一方面，Platt标度法和isotonic regression法可以对模型进行校准。可是有没有一种方法能够同时解决过拟合和模型过

>>阅读原文<<