深度学习中防止过拟合的方法？

1.Early stop

在模型训练过程中，提前终止

2.Data expending

用更多的数据集

3.正则

众所周知的正则化，有L1 L2 两者，顺便问下两者区别是什么？

4.Droup Out

以一定的概率使某些神经元停止工作，可以从ensemble的角度来看，顺便问下为啥Droup Out效果就是好呢？

5.BatchNorm

对神经元作归一化

详细的请看下面的文献吧，当你说出这几点后，面试官会接着问，为啥这个？为啥那个？为啥这个？为啥那个？为啥这个？为啥那个？为啥这个？为啥那个？为啥这个？为啥那个？为啥这个？为啥那个？为啥这个？为啥那个？o(╥﹏╥)oo(╥﹏╥)oo(╥﹏╥)oo(╥﹏╥)oo(╥﹏╥)o布吉岛

神经网络简介-防止过拟合 - CSDN博客
深度学习（二十九）Batch Normalization 学习笔记
理解droupout - CSDN博客
神经网络中的Early Stop
L2正则项与早停止(Early Stop)之间的数学联系
【CV知识学习】early stop、regularation、fine-tuning and some other trick to be known

笔者虽然只是一些问题的搬运工，但是笔者才疏学浅呀，具体需要对问题进行深入的小伙伴还望自己阅读相关文献，这里只是提出一些问题，以便于面试时问到，如果内容有一些错误，还望批评指正~~~~