关注
码龄
粉丝数
原力等级 --
被采纳
被点赞
采纳率
xfjjs江城子
2019-01-02 15:55
采纳率: 100%
浏览 6076
首页
人工智能
已采纳
用keras 实现的resnet,但是训练下来过拟合严重,请问怎么加入正则化?
机器学习
神经网络
tensorflow
人工智能
深度学习
代码如下,想知道在哪里可以加入正则化?或者如何优化?感谢!!!!
收起
写回答
好问题
0
提建议
关注问题
微信扫一扫
点击复制链接
分享
邀请回答
编辑
收藏
删除
结题
收藏
举报
1
条回答
默认
最新
关注
码龄
粉丝数
原力等级 --
被采纳
被点赞
采纳率
threenewbee
2019-01-02 08:39
关注
直接写在卷积层的参数里
https://keras.io/zh/regularizers/
本回答被题主选为最佳回答
, 对您是否有帮助呢?
本回答被专家选为最佳回答
, 对您是否有帮助呢?
本回答被题主和专家选为最佳回答
, 对您是否有帮助呢?
解决
1
无用
评论
打赏
微信扫一扫
点击复制链接
分享
举报
评论
按下Enter换行,Ctrl+Enter发表内容
查看更多回答(0条)
向“C知道”追问
报告相同问题?
提交
关注问题
【AI 赋能:Python
人工智能
应用实战】4.
过拟合
克星:
正则化
技术原理与代码
实现
2025-07-20 14:29
AI_DL_CODE的博客
摘要:本文系统解析
正则化
技术的核心原理,从理论本质到实战落地构建完整知识体系。理论部分阐释
正则化
的本质是通过损失函数改造控制模型复杂度,公式为 J ( θ ) = Loss + λ ⋅ Ω ( θ ) J(θ)=Loss+λ⋅Ω(θ),...
keras
添加
正则化
全连接_【
Keras
】减少
过拟合
的秘诀——Dropout
正则化
2020-12-21 15:17
weixin_39793434的博客
阅读完本文,你就学会了在
Keras
框架中,如何将深度学习神经网络Dropout
正则化
添加到深度学习神经网络模型里。Dropout
正则化
是最简单的神经网络
正则化
方法。其原理非常简单粗暴:任意丢弃神经网络层中的输入,该层...
# 缓解
过拟合
之Dropout+
正则化
2025-04-07 11:47
@MrLiu的博客
是两种最常用的抗
过拟合
技术,通过限制模型复杂度或引入随机性,显著提升模型的泛化能力。本文将详解它们的原理、
实现
方法及实战技巧。:在损失函数中添加权重绝对值之和(L1范数),迫使模型学习稀疏权重(部分权重...
深入探讨机器学习中的
过拟合
:从VC维到
正则化
的贝叶斯视角
2025-07-15 09:45
码字的字节的博客
在机器学习领域,
过拟合
(Overfitting)被形象地称为"模型的自负病"——当算法对
训练
数据表现出近乎完美的拟合能力,却在面对新数据时频频失误。这种现象的本质是模型过度捕捉了
训练
集中的噪声和局部特征,而非数据...
深度学习中
过拟合
的数学本质:VC维理论、Rademacher复杂度与
正则化
机制的贝叶斯解释
2025-07-26 10:48
码字的字节的博客
这种模型"记住"而非"学会"数据特征的现象,就是典型的
过拟合
(Overfitting)。VC维的核心思想源于"打散"(Shattering)这一概念。对于一个给定的假设空间HH(即模型可以表示的所有可能函数的集合),如果能对某个包含...
Tensorflow(6):
过拟合
,
正则化
,CNN,池化,CIFAR100实战,BatchNorm,
ResNet
实战
2021-01-29 12:05
weixin_51182518的博客
1、
过拟合
与欠拟合 当polynomial feature 的高次项越来越大时,模型预测可以在
训练
集上有好的结果,但在测试集上表现很差。 欠拟合 模型的复杂度小于真实数据的复杂度,叫欠拟合
训练
集表现很差 测试集表现也很差 ...
如何防止
过拟合
?Dropout是什么原理?
2025-06-13 15:19
AI规划师-南木的博客
参数过多(如深层神经网络)数据质量差:样本少、噪声多、标签错误
训练
策略不当:过度优化、未加正则从数据增强到Dropout,
过拟合
防治需要「多管齐下」。我的学员中,那些能灵活组合方法的人,往往能在竞赛和项目中...
为什么你的模型
过拟合
总治不好?这6个
正则化
调参秘诀从未公开
2025-10-02 15:30
quickcode的博客
解决大模型
过拟合
难题,掌握这6个
正则化
调参秘诀。结合TensorFlow大模型调参技巧,详解Dropout、权重衰减等方法在NLP与CV中的实战应用,提升泛化能力,显著降低验证误差。值得收藏的调优指南,点击了解完整策略。
迁移学习之
resnet
50——解决
过拟合
及验证集上准确率上不去问题
2019-03-05 14:43
蓝色橘猫的博客
问题2描述:
resnet
50迁移学习,最终
训练
集上的准确率一直在攀升,但验证机上的准确率一直上不去,在一定程度上出现了
过拟合
现象,但加很多的BN、dropout、l1和l2
正则化
手段都不能有效的解决问题。 ...
基于
keras
的
resnet
的
实现
2018-07-18 21:35
mdjxy63的博客
何凯明大神在2015年提出了
Resnet
结构,于2016年对于该结构进行了优化,提出了
Resnet
-bottlenet结构,本文代码基于
Resnet
-bottlenet结构进行
实现
,本文主要
实现
pre-activation residual module # -*- coding:...
没有解决我的问题,
去提问
向专家提问
向AI提问
付费问答(悬赏)服务下线公告
◇ 用户帮助中心
◇ 新手如何提问
◇ 奖惩公告