判断过/欠拟合和学习率

一、说明

这篇博客是判断是否过拟合和学习率大小的问题，并没有给出解决办法。因为每个人的网络模型不一样，解决办法也不同。因此，如果需要解决办法的话，请参考其他博客。

二、拟合问题

1.train_loss 不断下降，test_loss不断下降，说明网络仍在学习。

2.train_loss 不断下降，test_loss趋于不变，说明网络过拟合。

3.train_loss 趋于不变，test_loss不断下降，说明数据集有问题。

4.train_loss 趋于不变，test_loss趋于不变，说明模型学习达到瓶颈

5.train_loss 不断上升，test_loss不断上升，说明网络结构不行。

三、学习率问题

1.蓝色线（过大学习率）：初期快速收敛，达到瓶颈，后期学习率过大，无法拟合。

2.橙色线（正常学习率）：一直下降，达到epoch时收敛。

3.绿色线（过小学习率）：一直下降，达到epoch还没收敛。

四、参考博客

1.训练集损失值loss、测试集val_loss、验证集loss相关问题总结-CSDN博客

2.深度学习参数调整之一：学习率调整 - 知乎