1. Learning rate不合适，如果太大，会造成不收敛，如果太小，会造成收敛速度非常慢； 2. Batch size太小，每次迭代使用的样本数量太少，梯度方向不够准确，造成不收敛； 3. 网络太简单，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，无法拟合复杂的数据，也会造成不收敛. 来源：https://www.cnblogs.com/mstk/p/11380747.html 标签 网络节点 数据拟合
