求助大佬，为什么我的测试集误差比训练集误差还小，而且更新到最后还会出现剧烈的zhen'dong

[相信柯学]

求助大神，我用的一个3层神经网络，训练图片集是209张猫的图片，测试集是50张图片，中间隐藏层分别是10和5个神经元，输出a3为0到1之间
代价函数是J=-1/m*np.sum(y*np.log(a3)+(1-y)*np.log(1-a3))
学习率设置为0.01
循环次数为5000次

每次循环记录训练集和测试集产生的代价函数的值，最后通过图片显示后得到上图结果

为什么出来的结果会在最后一部分有剧烈的振荡呢，而且测试集的误差竟然比训练集小

[相信柯学]

测试集误差的程序错了所以才会比训练集的小，但是代价函数在迭代更新后期还是有很大的振荡