深度学习网络如何提高泛化性的自我理解：
1. 采用dropout；
2. 使用L1和L2正则化；
L1是权重和的绝对值作为惩罚项，目的是提高减小权重，提高网络稀疏性；L2是权重平方和然后平方根为惩罚项，目的是减小权重，抑制个别权重的影响；
3. BN；
BN主要是控制输入的分布，对其进行归一化然后拉伸和平移还原输入特征，这样可以让每一层的训练都从相似的起点出发，而对权重进行拉伸，等价于对特征进行拉伸，在输入层等价于数据增强。
4. 数据拓展
参考：https://www.sohu.com/a/231450369_314987
在推荐一个很nb的链接：https://www.jianshu.com/p/4bad38fe07e6
来源：CSDN
作者：树莓派派酒
链接：https://blog.csdn.net/qq_35054151/article/details/103815242