过拟合是由于数据不足，你希望得到一个大的，功能大的模型，在你使用晓得数据集合时候容易过拟合，正则化是一种方法，另一种方法则是迁移学习，迁移学习帮助我们不需要大的训练集也能训练卷积神经网络。
它的思想很简单，首先找到一些神经网络，这是vgg架构的网络，首先使用你的卷积神经网络，在一个非常大的数据集训练，比如imagenet，这里有非常大的图像去训练整个网络。
现在你想吧这些模型训练出的提取特征的能力，用到你感兴趣的小的数据集上，接下来你要做的是从最后一层特征到最后的分类输出。只需要训练最后一层，让他在你的数据上收敛，当你只处理小的数据时候，这会让你工作很完美。
当你数据比较多时候你可以微调整个网络