在TensorFlow中，可以使用正则化来防止过拟合，常见的正则化方法包括L1正则化和L2正则化。在TensorFlow中，可以通过在模型的损失函数中添加正则化项来设置正则化。以下是一个示例：
# 定义模型
model = tf.keras.models.Sequential([
tf.keras.layers.Dense(64, activation='relu', kernel_regularizer=tf.keras.regularizers.l2(0.01)),
tf.keras.layers.Dense(64, activation='relu', kernel_regularizer=tf.keras.regularizers.l2(0.01)),
tf.keras.layers.Dense(1)
])
# 编译模型
model.compile(optimizer='adam',
loss='mse',
metrics=['mae'])
# 训练模型
model.fit(train_data, train_labels, epochs=10, validation_data=(val_data, val_labels))
在上面的示例中，通过在每层的kernel_regularizer参数中设置tf.keras.regularizers.l2(0.01)，我们为每个权重添加了L2正则化项，正则化参数为0.01。您可以根据实际情况调整正则化参数来达到更好的正则化效果。
