目标
我们学习正则化之前应该先了解我们为什么要用正则化 。正则化解决了什么问题 。我们讲正则化之前 ，先了解一个概念--》过拟合
过拟合
数据增强
L1和L2正则化
Dropout
注意：Dropout是不适合用在卷积神经网络的
提前终止
一般的做法是：记录最好的准确率，如果连续训练十次还是没有提升准确率，那么就停止训练。
随机池化
随机池化可以用在卷积神经网络
相关推荐
政安晨20 分钟前
政安晨【零基础玩转开源AI项目】- AutoGPT：全球首个自主AI Agent从入门到实战（致敬OpenClaw的小回顾）Shawn_Shawn5 小时前
mcp学习笔记（一）-mcp核心概念梳理33三 三like7 小时前
《基于知识图谱和智能推荐的养老志愿服务系统》开发日志芝士爱知识a7 小时前
【工具推荐】2026公考App横向评测：粉笔、华图与智蛙面试App功能对比腾讯云开发者8 小时前
港科大熊辉｜AI时代的职场新坐标——为什么你应该去“数据稀疏“的地方?工程师老罗8 小时前
YoloV1数据集格式转换，VOC XML→YOLOv1张量yLDeveloper8 小时前
从模型评估、梯度难题到科学初始化：一步步解析深度学习的训练问题Coder_Boy_9 小时前
技术让开发更轻松的底层矛盾啊森要自信9 小时前
CANN ops-cv：面向计算机视觉的 AI 硬件端高效算子库核心架构与开发逻辑