深度學習中防止過擬合的方法有哪些？

過擬合是指在模型參數擬合過程中，由於訓練數據包含抽樣誤差，複雜模型在訓練時也將抽樣誤差進行了很好的擬合。具體表現就是在訓練集上效果好，而測試集效果差，模型泛化能力弱。 解決過擬合的方法： 1.從數據入手 解決過擬合最有效的方法，就是盡力補足數據，讓模型看見更加全面的樣本，不斷修正自己。 數據增強：通過一定規則擴充數據。可以通過圖像平移、翻轉、縮放、切割等手段將數據庫成倍擴充。當然，隨着GAN的發展

>>阅读原文<<