我担心我的神经网络变得太复杂了。我不想让一半的神经网络什么都不做，只是占用空间和资源。
那么，有哪些检测和防止过拟合的技术来避免此类问题呢？
检测和防止过拟合的技术有哪些？
人工智能
参考请求
优化
深度神经网络
过拟合
概括
2021-11-05 06:49:46
1个回答
通常你会跟踪训练损失和验证损失，并应用适当的正则化技术（例如 L1、L2 、 dropout、DropConnect等）。
更有趣的技术是观察网络中参数数量的验证损失（通常由层/特征图的数量控制）。如果验证随着模型复杂性的提高而开始下降，那么您的优化可能很糟糕，或者只是模型记住了所有训练样本并且严重过度拟合。
其它你可能感兴趣的问题