减少训练轮次u

看看轮次的训练集和预测集的曲线

找到训练集精度几乎不变而预测集精度开始下降的地方

使用权值衰减的方法，可以每次迭代过程中以某个小因子降低每个权值。

正则化，在进行目标函数或代价函数优化时，目标函数或代价函数对其正则化。

进行交叉验证

也可以利用图像曾广，增加训练集数目。

用非极大值抑制算法NMS去掉冗余框。

数据增强，随机翻转放缩平移，或者将多张图片组合

这个怎么实现？

weight decay

L2正则化的目的就是为了让权重衰减到更小的值

weight decay是放在正则项（regularization）前面的一个系数，正则项一般指示模型的复杂度，所以weight decay的作用是调节模型复杂度对损失函数的影响，若weight decay很大，则复杂的模型损失函数的值也就大。

有点印象，以前听人说过，weight decay设为最大还可冻结部分模型。请问冻结部分模型的意义是什么?

AI识虫的比赛复盘才讲过，可以看大神开源的项目 https://aistudio.baidu.com/aistudio/projectdetail/289616，后置改进NMS的做法

这个weight decay是指

opt = fluid.optimizer.AdamOptimizer(learning_rate=0.0001, regularization=fluid.regularizer.L2Decay(regularization_coeff=4e-6))

这里的那个正则化项的系数么？

训练的层的ParamAttr的learning rate设为0，或者trainable设为False是不是能达到同样的效果？