写在前面：深度学习调参真是玄学。
测试集正确率很高但是训练集正确率不高说明过拟合。
过拟合有两种改进方法，一种是减小网络复杂度，一种是调整测试集。
测试集加噪幅度不够，测试集加噪数量不够，都有可能出问题，因此我要从这两个方向下手增加样本。
加噪可以选择高斯白噪声或var库，先测试白噪声，数量增加试一波，功率增加试一波。
但还是取得了一些进展，在调整了learning rate和迭代算法之后，可以在训练集上过拟合了(99%)之前一直怀疑程序有问题，现在看来是设置过于保守，收敛太慢。也可能是之前没加噪，总之我也说不清，都有可能吧。
等今晚网络迭代完看下结果。
先这样吧，睡个好觉。
