1. 学习率过高：如果学习率设置得太高，模型在优化过程中可能会越过最小值，导致loss上升。2. 数据预...
如果是在训练后期（loss已经很小了），那么loss上升2个数量级，accuracy不变
train loss不断上升,test loss不断上升:说明网络结构设计不当,训练超参数设置不当,数据集经过清洗等问题 train loss趋于不变,test loss先降后升:说明网络过拟合(可以从网络结构,学习率,优化器等方面入手)
以下现象属于过拟合的是A.训练集Loss下降,测试集Loss上升B.训练集Loss下降,测试集Loss下降C.训练集Loss上升,测试集Loss上升D.训练集Loss下降
loss）和测试集的损失函数（test_loss）。当训练集的损失函数不断下降，而测试集的损失函数不断上升时...
应该是产生了过拟合，可以在损失函数中加一个正则项，或者是改变dropout
看loss曲线应该是过拟合了，检查一下是不是设置有问题。或者添加一些防止过拟合的处理 ...
我的原因是正则化前面的系数太小了，加入正则化后，把系数调大就好多了
这种现象可能是因为过拟合导致的。当模型在训练集上达到很高的准确率后，它可能开始过于专注于训练集中的...
那就要考虑是否你的 loss 有 numerical stability 的问题。可以考虑改 loss 或者用 gradient clipping ...