深度神经网络的误差来源

1. 权重初始化误差：权重初始化不正确会影响网络的学习效果；

2. 训练数据误差：训练数据的噪声或者样本不足导致的误差；

3. 激活函数误差：激活函数不合理会影响网络的学习效果；

4. 标签误差：标签定义不清晰或者标签数据中存在噪声；

5. 梯度消失/梯度爆炸误差：深度神经网络训练过程中梯度消失/梯度爆炸会影响网络的学习效果；

6. 过拟合误差：模型拟合训练数据得太好，导致预测效果不佳；

7. 其他参数调节误差：如学习率过大或过小，训练策略不合理等都可能导致误差。