我想展示我的模型在过度拟合和欠拟合时的示例。现在过度拟合非常简单，只需在小数据上进行训练，模型就会记住这些数据。但是我如何展示欠拟合的例子呢？我有几个建议：
- 降低学习率，但我不认为这真的是欠拟合。这只是慢学习模型。
- 添加一个 0.99 的 dropout 层，使网络无法很好地学习。
- 也许以某种方式改变架构，这将更难学习。
我认为（2）是最好的选择，你们怎么看？
我的模型：
conv2d (kernel=5,feature_maps=20)
batch_normalization
ReLU
Flatten()
FullyConnected(11,500->10)
Softmax
以及它手写标记 MNIST 的任务。