本文探讨了深度学习模型训练过程中常见的五种情况：1) 模型持续学习；2) 过拟合及应对策略，如正则化、数据增强等；3) 数据问题导致训练稳定；4) 学习瓶颈与调整方案；5) 模型结构错误及其排查。通过这些案例，帮助读者理解如何有效监控和优化模型训练。
case1：train loss下降，val loss下降 <模型还在学习>
case2：train loss下降，val loss上升 <模型过拟合，1.做一些正则化,加大weight decay 2.数据增强 3.加大Batch Size 4.或者更改优化器从SGD改为Adam>
case3：train loss不变，val loss下降 <数据有问题，检测数据>
case4：train loss不变，val loss不变 <学习瓶颈，优化模型或调低学习或降低weight decay>
case5：train loss上升，val loss上升 <模型结构设计出现错误，检测模型代码/超参>
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
