Python 如何在基于Keras的CNN自动编码器模型_中加入正则化

我是Keras和deep learning的新生，我不太确定添加正则化的正确方法，我使用API模型类编写了一个CNN自动编码器，现在我在每个“Conv2D”Keras函数中添加正则化，我不确定这是否是添加正则化的正确位置，有人能给我一些建议吗

（我试着运行训练并检查重建的测试图像，可以，但不是很好，我使用MNIST进行测试，重建的MNIST编号的线条比原始编号粗。）

在我的问题中，输入图像是受损图像，原始良好图像用作训练标签，通过比较CNN的输出图像与训练标签图像，我使用“平均绝对误差”来定义损失，并将其用作度量

我首先定义了三个函数，一个下采样函数（下面的一个），一个上采样函数，还有一个函数来压缩矩阵的第三维，得到一个二维矩阵作为输出。 我的代码太长，为了帮助说明问题，我的部分代码如下：

在定义了三个函数之后，我将模型定义如下（不详细，只是其中的一部分，以帮助解释我的问题）

将所有必要的参数加载到模型中，然后定义优化器参数，并编译模型

---

您说得对，conv2D是进行正则化的正确位置。您也可以考虑添加辍学。请将您的代码添加为文本，并在将来使用“代码示例”工具将其标记为代码。