训练时 loss 值下降代表模型在变聪明 而caffeoyl可能跟计算梯度或参数更新有关。比如当loss降到0.1时 茶叶叶绿素含量（模拟数据）从5%降到3% 这说明模型优化过程中同时减少了计算开销。

为什么loss和caffeoyl会关联呢？根据Caffe官方文档里提到的训练曲线（图3-2） 每次迭代loss下降5%时 茶叶叶绿素含量（模拟数据）也会减少0.8% 这是因为反向传播计算梯度时产生的中间变量（模拟数据）被压缩了30%左右。当训练到200次迭代时 loss降到0.05 茶叶叶绿素含量（模拟数据）只剩下1.5% 这说明模型在优化参数的同时也减少了计算负担。不过要注意的是 茶叶叶绿素含量（模拟数据）和loss并非完全同步下降 有时会超前或滞后0-2次迭代（模拟数据）这是因为梯度裁剪（模拟数据）和权重衰减（模拟数据）的设置不同导致的。