损失函数在训练集下降而在验证集上升，通常被称为过拟合（overfitting）的现象。
这意味着模型在训练数据上表现得很好，但在新的、未见过的数据上表现较差。过拟合可能是由于模型过于复杂，以至于学到了训练数据中的噪声或细微特征，而这些特征在验证数据中并不普遍存在。
我通过降低学习率，统一的方向
标签：函数,训练,验证,升高,---,拟合,数据 From： https://www.cnblogs.com/mxleader/p/17833267.html
损失函数在训练集下降而在验证集上升，通常被称为过拟合（overfitting）的现象。
这意味着模型在训练数据上表现得很好，但在新的、未见过的数据上表现较差。过拟合可能是由于模型过于复杂，以至于学到了训练数据中的噪声或细微特征，而这些特征在验证数据中并不普遍存在。
我通过降低学习率，统一的方向
标签：函数,训练,验证,升高,---,拟合,数据 From： https://www.cnblogs.com/mxleader/p/17833267.html