1.train loss不断下降，test loss不断下降，说明网络仍然在认真学习。
2.train loss不断下降，test loss趋于不变，说明网络过拟合。
3.train loss趋于不变，test loss趋于不变，说明学习遇到瓶颈，需要减小学习速率或批量数据尺寸。
4.train loss趋于不变，test loss不断下降，说明数据100%有问题。
5.train loss不断上升，test loss不断上升，可能是网络结构设计不当，训练超参数设置不当，程序bug等某个问题引起的，需要进一步定位。
原文：https://www.cnblogs.com/cumtchw/p/13170367.html