train loss与test loss结果分析

train loss 不断下降，test loss不断下降，说明网络仍在学习; 
train loss 不断下降，test loss趋于不变，说明网络过拟合; 
train loss 趋于不变，test loss不断下降，说明数据集100%有问题; 
train loss 趋于不变，test loss趋于不变，说明学习遇到瓶颈，需要减小学习率或批量数目; 
train loss 不断上升，test loss不断上升，说明网络结构设计不当，训练超参数设置不当，数据集经过清洗等问题。

总结

loss一直不下降的原因有很多，可以从头到尾滤一遍： 1）数据的输入是否正常，data和label是否一致。 2）网络架构的选择，一般是越深越好，也分数据集。 并且用不用在大数据集上pre-train的参数也很重要的 3）loss 公式对不对。4）在自己训练的CNN做文本分类时，经过两天的总结，最后发现是学习率的问题，学习率为1e-1，1e-2都不会有什么变化，1e-4,loss下降比较慢，但是也是下降的，1e-3学习率是最适合的。

原来的链接：https://blog.csdn.net/weixin_40267472/article/details/82216668