文档摘要

4.6 正则化与学习率调度：防过拟合的双闸 本节摘要：训练后期最常见的两种失稳——训练集满分、验证集回落（过拟合），以及损失在高原徘徊不降（步长不当）——各有对症开关：正则化（Dropout、权重衰减、早停）限制模型把容量花在背题上，学习率调度（余弦退火、warmup）让步子先稳后收。本节给出两者可直接复用的代码与一组可手算的退火数值。 两道闸门：限制与退火 过拟合的机理在 4.4 节见过：容量大、数据少，模型选择背题。 会员。《4.6 正则化与学习率调度：防过拟合的双闸》收录于灏天文库文集《CNN 深度解析：图像识别的基石》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/449-cnn-%E6%B7%B1%E5%BA%A6%E8%A7%A3%E6%9E%90%E5%9B%BE%E5%83%8F%E8%AF%86%E5%88%AB%E7%9A%84%E5%9F%BA%E7%9F%B3

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流