深度学习中正则化的代码
时间: 2024-02-03 15:02:49 浏览: 85
7 深度学习中的正则化1
在深度学习中,正则化可以用于减少模型的过拟合。以下是一个示例代码,使用 L2 正则化对模型的权重进行惩罚:
```
from tensorflow.keras import layers, regularizers
model = keras.Sequential([
layers.Dense(64, activation='relu',
kernel_regularizer=regularizers.l2(0.001)),
layers.Dense(32, activation='relu',
kernel_regularizer=regularizers.l2(0.001)),
layers.Dense(10, activation='softmax')
])
model.compile(optimizer='adam',
loss='categorical_crossentropy',
metrics=['accuracy'])
```
在上面的例子中,`kernel_regularizer` 参数设置为 `regularizers.l2(0.001)`,表示使用 L2 正则化,惩罚系数为 0.001。这将对模型的权重进行惩罚,使其在训练过程中更加平滑,减少过拟合的可能性。
阅读全文