问题
有哪些好的参考文章/博客/教程来学习如何解释深度卷积神经网络的学习曲线？
背景 我正在尝试使用 caffe 将卷积神经网络 (CNN) 用于血管分割（特别是确定图像块的中心像素是否在血管上）。
我有大约 225000 张训练图像（约 50% 阳性）和 225000 张（约 50% 阳性）测试/验证图像。
我的输入图像大小为 65 x 65。我有四个卷积层（48x6x6、48x5x5、48x4x4、48x2x2），每个卷积层后面跟着 2x2 最大池化层、一个由 50 个神经元组成的全连接层和一个包含 2 个神经元的最终评分层。我的训练批次大小是 256，我的测试批次大小是 100。
我正在使用随机梯度下降优化器 (SGD) 和逆衰减学习率策略。以下是我的caffe 求解器参数：
- 类型：“SGD”
- base_lr：0.01
- lr_policy：“inv”
- 伽玛：0.1
- 功率：0.75
- 动量：0.9
- 重量衰减：0.0005
以下是我得到的学习曲线：
我正在使用交叉熵分类损失或多项逻辑损失（请参见此处）。
我想听听人们如何解释这个学习曲线，以及他们会改变哪些参数来尝试提高测试准确性。
训练损失正在减少，但减少非常缓慢。这是否意味着我的学习率很低？
相反，我看到测试损失首先迅速减少，然后减慢。这是否意味着我的学习率很高并且陷入了局部最小值？
并且测试精度已经稳定并且过早停止增加。这是否意味着我必须尝试增加我的模型容量或减少我的正则化？
一般来说，如果有人可以指出一篇参考文章/书籍/博客文章，对我和其他人有帮助，该文章/书籍/博客文章通过许多示例案例深入研究了这种学习曲线的解释。
我发现这篇博客文章非常有帮助，但没有太多关于学习曲线的解释（至少我不满意）。