在训练过程中，训练集的准确率稳步上升，但是验证集的准确率一直在40%左右徘徊，从网上搜索可能的原因有：

1、学习率太小，陷入局部最优。

2、数据量太小（4000多条数据，应该还可以吧）

3、训练集和测试集数据分布不同：如训练集正样本太少（训练集和测试集每次都是随机选择，排除）

4、学习率过大

5、模型参数量过多而数据量过少（在其他数据集训练是可以的，这条应该排除）

6、过拟合，数据量太小但模型的结构较为复杂（解决办法：降低模型的复杂度，增大L2正则项，在全连接层加入Dropout层；有了dropout，网络不会为任何一个特征加上很高的权重（因为那个特征的输入神经元有可能被随机删除），最终dropout产生了收缩权重平方范数的效果）

7、输入到网络中的特征有问题，特征与label之间没有很明确关联，或特征太小（排除）

8、数据没有归一化（排除）

9、修改学习率，使得每次梯度下降低于某个值或者停止下降时，降低学习率，来使得梯度进一步下降