(1) train loss不断下降，test loss不断下降     可能发生的原因： 网络还在学习中，loss在稳步下降。 (2) train loss不断下降，test loss趋于不变     可能发生的原因： 网络出现过拟合的现象，因此在训练集上表现为网络仍在学习，但是test loss趋于不变说明网络泛化能力差。 (3) train loss趋于不变，test loss不断下降     可能发生的原因： 数据集100%是有问题的。 (4) train loss趋于不变，test loss趋于不变     可能发生的原因： loss开始在某一值附近不断振荡，说明网络学习遇到瓶颈，此时应该减小学习率或者减小batch size的大小。 (5) train loss不断上升，test loss不断上升     可能发生的原因： 网络结构的设计有问题； 训练时超参数的设置有问题； 数据集没有经过清洗。