【零基础】神经网络优化之mini-batch

一、前言 　　回顾一下前面讲过的两种解决过拟合的方法： 　　1）L0、L1、L2：在向前传播、反向传播后面加个小尾巴 　　2）dropout：训练时随机“删除”一部分神经元 　　本篇要介绍的优化方法叫mini-batch，它主要解决的问题是：实际应用时的训练数据往往都太大了，一次加载到电脑里可能内存不够，其次运行速度也很慢。那自然就想到说，不如把训练数据分割成好几份，一次学习一份不就行了吗？前辈们

>>阅读原文<<