Test loss稳定下降，相较于Train loss但特别大

Test loss稳定下降，相较于Train loss但特别大，这是什么原因呢
best until now:epoch: 104747
train
mean error:-1.41 std error:635.28 mae:505.04 mse:490.97
test:
mean error:-41.07 std error:717.90 mae:581.15 mse:15207.76

数据有没有做预处理？测试数据和训练数据需要进行统一的预处理，除非都不进行

可以看看代码吗？这样暂时看不出什么。

train loss 不断下降，test loss不断下降，说明网络仍在学习;
train loss 不断下降，test loss趋于不变，说明网络过拟合;
train loss 趋于不变，test loss不断下降，说明数据集100%有问题;
train loss 趋于不变，test loss趋于不变，说明学习遇到瓶颈，需要减小学习率或批量数目;
train loss 不断上升，test loss不断上升，说明网络结构设计不当，训练超参数设置不当，数据集经过清洗等问题。

参考链接：

train loss与test loss结果分析_Mercurial24的博客-CSDN博客_trainloss和testloss 转自 https://blog.csdn.net/jacke121/article/details/79874555，https://blog.csdn.net/weixin_38796572/article/details/80488229train loss 不断下降，test loss不断下降，说明网络仍在学习;train loss 不断下降，test loss趋于不变，说明网络过拟...

https://blog.csdn.net/w372845589/article/details/84303498

两种情况一个是数据选择的测试集和训练集分布不一致，
二就是输入的时候归一会不一样。

但是你这个曲线最后不是一致了吗说明只是最开始网络没有收敛导致数据集的小小差异导致的，只要验证集准确率高就不用理会

说明学习遇到瓶颈，需要减小学习率或批量数目