盯着终端里那张上蹿下跳的loss曲线图，你深呼吸了三下才忍住没摔鼠标。深度学习实战中，这种模型不收敛的绝望感，比加班到凌晨更磨人。你以为加几层网络、调大学习率就能解决？结果显存爆满，程序直接崩溃。别急着砸电脑，先按下面步骤排查。

先别急着调参，这几个坑我替你踩了

　　很多人一上来就堆层数、改学习率，结果loss震荡得像心电图。先停手。检查学习率：如果损失函数在该下降时反而上升，大概率是学习率太大。把它降低一个数量级，比如从0.01降到0.001。还不行？再看batch size：显存爆满往往是因为你塞了太多数据。用batch size 32或64试试，既能利用显卡并行能力，又不至于撑爆显存。还有一个隐蔽的坑：数据没有归一化。如果输入像素值是0-255，而你的模型用了Sigmoid输出，梯度会消失。记得把数据缩放到[0,1]或标准化。
在深度学习实战中，这样的坑数不胜数。另一个常见问题是loss刚开始不降。别慌。可能是权重初始化不当。用Xavier或He初始化替换默认的随机初始化，能快很多。

当loss变成一滩死水时，检查这两处

　　如果loss从一开始就纹丝不动，连微小波动都没有，那你遇到了梯度消失或者梯度爆炸。去打印一下每一层的梯度范数吧。如果梯度趋近于0，说明信号传不过去。这时可以尝试：把激活函数从Sigmoid换成ReLU，或者增加Batch Normalization层。反过来，梯度范数爆炸到NaN，说明学习率太大或初始化太大了。用梯度裁剪(clip by norm)来限制梯度最大值。
还有一招：检查你的损失函数是否写对了。有时候手误把交叉熵的标签传错了，导致loss恒为常数。
有的朋友可能遇到过这种情况：换了个网络结构后loss反而更高。这不是你的错，是残差连接没加。加一个skip connection，让梯度能直达浅层，问题迎刃而解。
记住：深度学习实战的精髓不是堆模型，而是诊断问题。去官网扒一下你模型的原始论文，那上面的超参数最靠谱。跑通了就泡杯茶，别在这耗着。