Python 如何纠正/改进我的CNN模式？如何处理验证准确性冻结问题？

验证集精度冻结在0.0909。这不合身吗？如何解决该问题以获得更好的模型精度。该模型稍后将转换为tflite，部署在android上

我的模型：

model = Sequential([
Conv2D(filters=32, kernel_size=(3, 3), activation='relu', padding='same', input_shape=(224, 224, 3)),
MaxPool2D(pool_size=(2, 2), strides=2),
Conv2D(filters=64, kernel_size=(3, 3), activation='relu', padding='same'),
MaxPool2D(pool_size=(2, 2), strides=2),
Conv2D(filters=128, kernel_size=(3, 3), activation='relu', padding='same'),
MaxPool2D(pool_size=(2, 2), strides=2),
Flatten(),
Dense(units=train_batches.num_classes, activation='softmax')

])

---

图层（类型）输出形状参数# conv2d（conv2d）（无、224、224、32）896

---

最大池2D（最大池2D）（无、112、112、32）0

---

conv2d_1（conv2d）（无、112、112、64）18496

---

最大池2D_1（最大池2（无、56、56、64）0

---

conv2d_2（conv2d）（无、56、56、128）73856

---

最大池2D_2（最大池2（无、28、28、128）0

---

展平（展平）（无，100352）0

---

致密（致密）（无，11）1103883 总参数：1197131 可培训参数：1197131 不可训练参数：0

---

---

尝试使用较低的学习率。同时检查您的数据集。我的意思是，如果您使用的数据集较小，则使用图像增强来增加它，以便模型可以更好地学习。使用批量归一化、正则化技术和LR调度程序，因为您的梯度下降正在下降到局部极小值。

感谢这很有帮助

model.summary()

model.compile(optimizer=Adam(learning_rate=0.01), loss=categorical_crossentropy, metrics=['accuracy'])

model.fit(x=train_batches, validation_data=valid_batches, epochs=10, verbose=2)

Epoch 1/10
53/53 - 31s - loss: 273.5211 - accuracy: 0.0777 - val_loss: 2.3989 - val_accuracy: 0.0909
Epoch 2/10
53/53 - 27s - loss: 2.4001 - accuracy: 0.0928 - val_loss: 2.3986 - val_accuracy: 0.0909
Epoch 3/10
53/53 - 28s - loss: 2.4004 - accuracy: 0.0795 - val_loss: 2.3986 - val_accuracy: 0.0909
Epoch 4/10
53/53 - 29s - loss: 2.4006 - accuracy: 0.0739 - val_loss: 2.3989 - val_accuracy: 0.0909
Epoch 5/10
53/53 - 29s - loss: 2.3999 - accuracy: 0.0720 - val_loss: 2.3986 - val_accuracy: 0.0909
Epoch 6/10
53/53 - 28s - loss: 2.4004 - accuracy: 0.0720 - val_loss: 2.3986 - val_accuracy: 0.0909
Epoch 7/10
53/53 - 28s - loss: 2.4004 - accuracy: 0.0682 - val_loss: 2.3993 - val_accuracy: 0.0909
Epoch 8/10
53/53 - 29s - loss: 2.3995 - accuracy: 0.0871 - val_loss: 2.3986 - val_accuracy: 0.0909  
Epoch 9/10
53/53 - 29s - loss: 2.4008 - accuracy: 0.0852 - val_loss: 2.3988 - val_accuracy: 0.0909
Epoch 10/10
53/53 - 28s - loss: 2.4004 - accuracy: 0.0833 - val_loss: 2.3991 - val_accuracy: 0.0909