什么是过拟合：
对训练数据表现的很好，但对其他数据（验证数据或者测试数据）拟合的很差。
主要原因：算法过于特定于训练集而造成的。（出自pytorch深度学习，p56页）
发生过拟合的主要原因：
（1）模型有大量参数、表现力强。
（2）训练数据少。
解决过拟合的方法：
1、权值衰减通过在学习的过程中对大的权重进行惩罚。
2、Dropout方法
在学习过程中，随机删除神经元的方法。
3、正则化
4、降低数据量
5、获取更多数据
数据增强：是一种让用户通过执行不同的操作，如旋转、裁剪和生成更多数据，来轻微调整图像的技术。
数据增强可用于在计算机视觉相关的问题中生成更多的训练数据。
6、缩小网络规模
主要是减少层数，或者权重参数的数量
