在tensorflow2.0建模系列教程中，前三节我们用代码演绎了：
1如何用tf2.0进行自定义层网络的设计（add.weight）
2如何用tf2.0进行自定义模型的设计（Model）
3如何用tf2.0实现loss函数和参数调优（loss gradient optimizer）
本节系列四主要是教大家如何运用tf2.0来解决神经网络模型训练过程中常出现的过拟合问题。我们都知道模型训练出来经常出现两种问题，欠拟合和过拟合。当神经网络设计的过于复杂时，就容易发生过拟合问题。那么如何避免神经网络模型训练中的过拟合呢？像机器学习模型里在最后损失函数中运用L1、L2正则化可以吗？答案是NO。