loss是訓練集的損失值，val_loss是測試集的損失值
以下是loss與val_loss的變化反映出訓練走向的規律總結：
train loss 不斷下降，test loss不斷下降，說明網絡仍在學習;（最好的）
train loss 不斷下降，test loss趨於不變，說明網絡過擬合;（max pool或者正則化）
train loss 趨於不變，test loss不斷下降，說明數據集100%有問題;（檢查dataset）
train loss 趨於不變，test loss趨於不變，說明學習遇到瓶頸，需要減小學習率或批量數目;（減少學習率）
train loss 不斷上升，test loss不斷上升，說明網絡結構設計不當，訓練超參數設置不當，數據集經過清洗等問題。（最不好的情況）