Tensorflow學習總結三

Tensorflow進階——優化神經網絡 1、過擬合與正則化 過擬合：神經網絡模型在訓練數據集上的準確率較高，在新的數據進行預測或分類時準確率較低，說明模型的泛化能力差。 正則化：在損失函數中給每個參數 w 加上權重，引入模型複雜度指標，從而抑制模型噪聲，減小過擬合。 使用正則化後，損失函數 loss 變爲兩項之和： loss = loss(y 與 y_) + REGULARIZER*loss(w

>>阅读原文<<