这几天在训练一个网络，本来是两部分分开做的，分别调参到了最优，但是将两部分合在一起训练时，发现经过100轮后神经网络还是不收敛，于是很认真的检查了网络有没有问题，但是并没有发现什么问题，那么最大的可能就是超参数设置不合理，于是开始疯狂调参哈哈哈。
趁着还在训练，我总结一下可能导致 神经网络不收敛的原因：
1、理论上就不收敛，也就是说你设计的网络本身就存在问题，这也是首先应该考虑的因素：
1) 梯度是否存在，即反向传播有没有断裂；
2、如果确认你的网络应该没有问题，那也就是在假设理论上是收敛的：
1) 学习率设置不合理(大多数情况)，学习率设置太大，会造成不收敛，如果太小，会造成收敛速度非常慢；
2) Batchsize太大，陷入到局部最优，无法达到全局最优，故而无法继续收敛；
3) 网络容量，浅层网络完成复杂的任务loss不下降是肯定的，网络设计太简单，一般情况下，网络的层数和节点数量越大，拟合能力就越强，如果层数和节点不够多，无法拟合复杂的情况，也会造成不收敛。
大概也许可能，这应该是绝大部分神经网络不收敛的原因了吧，还有什么可能的原因，希望大家能够在下方留言，共同学习。
