深度學習正則化方法總結

       機器學習模型爲了提高模型的泛化性能、減少過擬合，通常都會採用一些正則化方法來控制模型的複雜度。深度學習模型比普通的機器學習模型更復雜，更容易過擬合，因此更需要進行正則化處理，本文總結下深度學習常用的14種正則化方法，提供一些參考。 1、對權重參數增加L1、L2正則項    L1正則化主要是對損失函數增加權重參數w的絕對值項，權重服從Laplace分佈，得到的參數通常比較稀疏，常用於特

>>阅读原文<<