防止过拟合的方法（如CNN）：
图像增强（Image Augmentation）
通过向训练集中的现有图像应用随机图像转换，人为地增加训练集中的图像数量。
丢弃（Drop out）：
在训练过程中，从神经网络中随机选择固定数量的神经元并关闭这些神经元。
L1/L2 Regularization
利用这两种正则化方法对Loss Function添加Penalty
早停法：
对于此方法，我们会在训练过程中跟踪验证集的损失，并根据该损失判断何时停止训练，使模型很准确，但是不会过拟合。
（实际操作很难）
