当神经网络的层数不够多、每层的神经元不够多，即模型的能力（Model Capacity）不够大时，表现出在模型在训练的时候，无法从训练数据中"学到”正确的模式，使得预测错误一致很高，这就是underfitting。当出现underfitting的时候，增加模型能力，即增加模型的层数、增加神经元的个数，可以解决underfitting。

       当神经网络的层数足够多、每层的神经元足够多，即模型的能力（Model Capacity）足够大时，表现出在模型在训练数据上预测错误很低，但在测试数据上预测错误很高，这就是overfitting。当出现overfitting的时候，减少模型能力，即减少模型的层数、减少神经元的个数，可以解决overfitting。若不减少模型能力，则要通过增加训练数据、数据增强等技术，解决Overfitting。