近年来深度学习在很多领域发挥着重要作用,但是在训练过程中存在模型过拟合的问题。针对该问题,本文对Kaggle竞赛中典型的猫狗识别任务建立了卷积神经网络,并分析研究了多种抑制过拟合的方法,包括添加L2正则项、dropout处理、数据增强及多种方法综合使用的综合法,分别分析不同方法在训练集和验证集上的训练精度和损失,发现数据增强法优于其他两种方法,且综合法能够消除过拟合。研究结果对卷积神经网络的配置具有重要的参考价值。
科研之友
微信
新浪微博
Facebook
分享链接
