每个epoch，训练误差有微小变化，测试误差不变时什么原因

这种情况可能是由于模型在训练集上逐渐拟合了数据，但在测试集上出现了过拟合的情况。也就是说，模型已经学会了如何对训练数据进行预测，但是由于过度拟合，它无法正确地泛化到新的数据上。这种情况也称为“训练集上的误差和测试集上的误差之间的差距增大”。

解决这个问题的方法包括增加正则化参数、采用更少的特征、增加训练数据量、使用早期停止技术等。此外，还可以使用交叉验证等技术来评估模型的性能，以便更好地理解模型的泛化能力。