train loss 和 test loss的一些问题

1、train loss 和 test loss 的关系

• 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。

2、训练时损失出现nan的问题，可能导致梯度出现nan的三个原因：

• 梯度爆炸。也就是说梯度数值超出范围变成nan. 通常可以调小学习率、加BN层或者做梯度裁剪来试试看有没有解决。
• 损失函数或者网络设计。比方说，出现了除0，或者出现一些边界情况导致函数不可导，比方说log(0)、sqrt(0).
• 脏数据。可以事先对输入数据进行判断看看是否存在nan.