训练集、测试集loss容易出现的问题总结

• 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;或者是数据集有问题（数据集标注错误数据比较多）
• 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
• train loss 趋于不变，test loss先降后升：说明网络过拟合（可以从网络结构，学习率，优化器等方面入手）