你好，我只是想问这个理论问题。一个模型在一个时期后已经有了很好的损失(归一化数据为0.004(，但这种损失并没有随着时间的推移而真正减少(10个时期后仍然是0.0032(，这可能是什么原因造成的
它不是应该随着时间的推移而减少吗？
数据集相当大，有100多万个数据点，我没想到在1个历元之后会有这么大的损失。
那么，我能改变这个模型吗？或者我做错了什么？(这是一个密集连接的神经网络，预测adam和mse的回归(
有多种可能性，但问题需要澄清。
你能指定目标的范围吗
0.004可能听起来很低，但如果你的目标范围在0到0.0001之间，就不是这样了。
你的验证标准是什么；测试数据集？在不知道验证损失的情况下，损失本身并不能说明什么。
猜测0.004太好了，不可能是真的，你的模型可能太拟合了。尝试执行丢弃以避免过度拟合。
如果你的模型没有过度拟合，可能是Adam超过了(局部(最小值。尝试降低它的学习率，或者尝试使用自定义超参数的sgd。这确实需要大量的调整。
Coursera上有一门免费课程，叫做斯坦福大学的"机器学习"。这很好地涵盖了这些概念的理论(以及更多(。