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\\

train loss 下降到某个值后开始上下波动，但正确率很低，可能输入的数据有问题，输出输入数据看看

  * [[NLP]]
  * [[Tensorflow-GPU安装过程]]
  * [[数据集]]
  * [[Pytorch]]
  * [[FocalLoss]]
  * [[数据集划分：测试集-验证集-测试集]]