问题总出在学习率上

- 本文作者 Ian Barber 是资深软件工程师，曾在 Google 和 Amazon 等公司工作，拥有大量分布式系统和机器学习工程实战经验。 - "学习率"（learning rate）是训练神经网络时最重要的超参数之一，控制模型每次更新参数时的步长大小。设定不当会导致模型不收敛、训练缓慢或效果极差。 - 文章标题暗指一个业界共识：当深度学习模型出问题时，最常被忽略但又最可能的原因往往是学习率设置不当，而非模型架构或数据本身的问题。 - 本文面向有一定 AI/ML 基础的读者，意在提醒工程实践中的常见陷阱，而非面向完全的新手介绍。