在我们进行神经网络的超参数调优时,需要分析参数设置的是否合理以及网络结构是否设置的合适。对于train loss与test loss,进行分析,可以得出以下结果,一般有以下几种情况:
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趋于不变或者上升,说明网络过拟合;
3.train loss 趋于不变,test loss不断下降,说明数据集异常;
4.train loss 趋于不变,test loss趋于不变,说明学习已经遇到瓶颈,需要减小学习率或batch size;
5.train loss 不断上升,test loss不断上升,说明网络结构设计不当或者训练超参数设置不当。