使用数据增强
-
过拟合的原因是学习样本太少，导致无法训练出能够泛化到新数据的模型。如果拥有无限的数据，那么模型就能够观察到数据分布的所有内容，这样就永远不会过拟合。数据增强是从现有的训练样本中生成更多的训练数据，其方法是利用多种能够生成可信图像的随机变换来增加样本。
-
Keras中可以通过
ImageDataGenerator实现对样本的随机变换（以MNIST为例） -
ImageDataGenerator的参数说明：
参考博客：
1.keras的图像预处理全攻略（二）—— ImageDataGenerator 类
2.keras的图像预处理全攻略（四）—— ImageDataGenerator 类实践案例
3.【Tool】Keras 基础学习 III ImageDataGenerator() -
代码：
import numpy as np
from matplotlib