原创 训练集loss下降，但是验证集loss上升

当训练集loss下降而验证集loss上升时，这通常表明模型可能出现了过拟合。
‌这种情况意味着模型在训练数据上的表现优于在测试数据上的表现，即模型很好地拟合了训练数据，但对于新数据的预测能力较差。

分析种种原因，通过排除法，得到结论：

‌训练数据量不足‌：如果训练数据量较小，模型可能无法从有限的数据中学习到足够的泛化能力，而是过度适应了训练数据，导致过拟合。

一个简单的动作 做上百次， 发现训练是个累人的工作，还没有什么技术含量。

思路：

          1 先用过拟合的 凑合的用。
          2 在实际中会得到各种数据，并上传到云端，累积到一定数量后，在进行训练。
          3 训练后，把模型空中升级到MCU 。
          4 重复2，3