点击上方“计算机视觉life”，选择“星标”
快速获得最新干货
以下文章来源于AI有道 ，作者武强。文章仅用于学术分享。
深度学习中我们总结出 5 大技巧：
本节继续从第三个开始讲起。
3. Early stopping and Regularization
本节我们一起探讨 Early stopping and Regularization，这两个技巧不是深度学习特有的方法，是机器学习通用的方法。
Early stopping
在训练过程中，往往会得出训练的最后的结果还可能不如以前的，原因很有可能出现overfitting。 我们需要提前踩刹车，得出更好的效果。
Regularizaton
当我们努力降低Loss函数的数值的时候，我们会发现，我们找到的参数集weights，不仅仅要让Loss变小，而且weights 自身也需要接近于0，这样我们的结果会更加理想。
L1 正则化：
新的Loss函数将会被最小化：
L2正则化：
新的Loss函数将会被最小化：
到这里，很多同学会疑问，为什么weights小了，结果就很更好，我在这里举例说明：6岁的时候和14岁的时候，大脑的神经元密度明显降低，说明一些无效的神经元是阻碍大脑进步的。
4. Dropout
Dropout 在2012年imagenet 比赛中大放异彩，是当时CNN模型夺冠的功勋环节之一。
那什么是Dropout 我们先直观的理解：
练武功的时候，训练的时候脚上绑上重物
等到练成下山的时候：
我们从几个方面来解释Dropout
基础定义
当训练的时候，每一个神经元都有p%的可能“靠边站”
当测试的时候，所有的神经元齐心协力，共同努力：
Dropout是一种Ensemble学习
Ensemble 学习我们在机器学习专栏中一起讨论过，链接是集成学习。每次训练的时候的网络结构都是不一样的，是一个thinner network：
其实在训练的时候训练了很多thinner network：
测试的时候，取各个网络的平均值
所以在深度学习中，我们的整个训练测试方法如下：
本专栏图片、公式很多来自台湾大学李弘毅老师、斯坦福大学cs229、cs231n 、斯坦福大学cs224n课程。在这里，感谢这些经典课程，向他们致敬！
独家重磅课程官网：cvlife.net
1、视觉SLAM基础：疫情在家，想入门SLAM实战，最适合学哪个开源框架 ？
2、机器人导航运动规划： 机器人核心技术运动规划：让机器人想去哪就去哪！
3、详解Cartographer：谷歌开源的激光SLAM算法Cartographer为什么这么牛X？
4、深度学习三维重建 总共60讲全部上线！详解深度学习三维重建网络
5、三维视觉基础 详解视觉深度估计算法（单/双目/RGB-D+特征匹配+极线矫正+代码实战）
6、 VINS:Mono+Fusion SLAM面试官：看你简历上写精通VINS，麻烦现场手推一下预积分！
7、图像三维重建课程：视觉几何三维重建教程（第2期）：稠密重建，曲面重建，点云融合，纹理贴图
8、系统全面的相机标定课程：单目/鱼眼/双目/阵列 相机标定：原理与实战
全国最棒的SLAM、三维视觉学习社区↓
技术交流微信群
欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群，请添加微信号 chichui502 或扫描下方加群，备注：”名字/昵称+学校/公司+研究方向“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~
投稿、合作也欢迎联系：simiter@126.com
— 版权声明 —
本公众号原创内容版权属计算机视觉life所有；从公开渠道收集、整理及授权转载的非原创文字、图片和音视频资料，版权属原作者。如果侵权，请联系我们，会及时删除。
