模型过拟合基本解决办法说明（个人学习向）

模型过拟合是一件很烦人的事情，下面介绍一些基本的解决办法：

1.在数据层面上：1）看看能不能扩充数据集，加强采样。  2）用一些数据增强的方法，人为地增加数据的种类，让模型更难去学习，增强模型的稳定性与泛化性。

2.在模型架构上：模型复杂度与问题复杂程度相匹配，若是过拟合，使用 1）更简单一些的模型进行处理。 2）使用Dropout层去随机移除网络之间的连接，既可以简化模型又可以优化模型前层后层的连接。

3.在训练策略上：1）利用别人预训练好的权重，即加载预训练网络（迁移学习的效果）。 2）训练早停，设置验证集，在合适位置停止模型训练。 3）学习率可以衰减调节。越接近目标可以学习率越小

ps：后面补实验证明