过拟合是说模型在训练集上的表现远远好于测试集,因此我们从下面两个方面来防止过拟合: 增加数据 增加训练集数据 数据增广 模型 限制模型复杂度 early stop drop out 正则化(损失函数中or输入中加入高斯噪声) batch normalization(通过引入随机噪声) 结合多种方法 bagging drop out 参数共享(卷积核与平移不变性)