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