關于網絡訓練時的參考建議：
1.train loss不斷下降，test loss不斷下降，網絡正在學習
2.train loss不斷下降，test loss趨于不變，網絡過擬合，需要增大數據；減小網絡規模dropout；權重衰減或正則化L2等
3.train loss趨于不變，test loss趨于不變，遇到瓶頸，需要減少學習率和批處理大小
4.train loss趨于不變，test loss不斷下降，數據集100%有問題
5.train loss不斷上升，test loss不斷上升，可能網絡結構設計不當，超參設置不當，bug等
6.train loss不斷上下跳動，可能學習率過大或批處理太小
7.batchnorm：如果每個batch輸入的數據都具有不同的分布，會給網絡的訓練帶來困難，數據經過一層層網絡計算后，數據分布
也會發生變化，此現象稱為 internal covariate shift(內部協變量漂移)，之前的解決方法是：較小的學習率；小心的初始化參數；數據白化處理
internal：發生在網絡內部
covariate shift：發生在輸入層
讓每個隱層節點的激活輸入分布固定下來，這樣就避免internal covariate shift
8.偏差：模型結果和實際結果的偏離程序
9.方差：模型結果圍繞著實際結果波動的程度
10.偏差大：不了解數據和數據形態；增加維度，如多項式、高階項，減少正則參數
11.方差大：波動(可能來自無關緊要的離群值)、不收斂、模型沒有找到數據變換的節奏、提供的數據變化不豐富；增加樣本，減少特征集合size、增大正則參數
