训练loss和验证loss是这样的曲线走势正常吗？为什么训练一段时间后，loss下降特别慢啊？

自己构建的回归网络模型、图片大小256*256的、一共是2240副图片。网络输入图，输出也是图片。训练集：测试集=6:2:2、通过交错方法进行划分数据集，就像发牌一样。这样做是为了让不同百分比的数据归入三个子集。然后再分别打乱各训练验证集。

batch大小为8、学习率刚开始为0.001 、训练20轮后，然后调整为0.0001 ，0.00001，…都是这样的结果。就出现如图所示loss曲线下降很慢。训练集loss一直在小范围内上下波动、验证集loss在下降但是很慢很慢。检查了数据集的输入和响应没有问题啊。这是模型太小无法拟合全部数据吗？训练到这，我的验证集预测结果还行，就是误差稍微有点大。这样的loss下降曲线正常吗？但是继续训练的话，下降到一定位置，loss就不再下降了。精度还是不够，调整超参、学习率、优化器都不行…如果训练集和验证集精度稍微差点、没有达到自己想要的精度，这说明网络是欠拟合的吗？有人知道嘛？🙏🙏