Python Keras预训练VGG16低精度

我试图创建一个非常简单的CNN程序，使用VGG16预训练模型进行分类。我的数据集是在Kaggle上发现的第一代口袋妖怪，它有149个不同类别的10000张图片。 问题是我没有得到足够的准确度，我能得到的最大值几乎是40%

代码如下：

将tensorflow导入为tf
将numpy作为np导入
vgg_model=tf.keras.applications.VGG16（weights='imagenet'，include_top=False，input_shape=（224224,3））
vgg_model.trainable=错误
model=tf.keras.models.Sequential（）
model.add（vgg_模型）
model.add（tf.keras.layers.flatte（input\u shape=vgg\u model.output\u shape[1:]））
model.add（tf.keras.layers.Dense（256，activation='relu'））
添加（tf.keras.layers.density（149，activation='softmax'））
compile（优化器='adam'，loss='classifical_crossentropy'，metrics=['accurity']）
train=tf.keras.preprocessing.image.ImageDataGenerator（重缩放=1./255，剪切范围=0.2，缩放范围=0.2，水平翻转=True）
test=tf.keras.preprocessing.image.ImageDataGenerator（重缩放=1./255）
training\u set=train.flow\u from\u目录（'dataset/generation/train'，target\u size=（224224），class\u mode='category'）
val_set=train.flow_from_目录（'dataset/generation/test'，target_size=（224224），class_mode='category'）
历史=模型.fit\u生成器（训练集，每个历元的步骤=64，历元=30，验证数据=val\u集，验证步骤=64）

以下是输出：

Epoch 1/30
64/64 [=================] - 57s 885ms/step - loss: 5.0538 - acc: 0.0410 - val_loss: 4.7750 - val_acc: 0.0659
Epoch 2/30
64/64 [=================] - 50s 775ms/step - loss: 4.7432 - acc: 0.0747 - val_loss: 4.5880 - val_acc: 0.1037
...
Epoch 10/30
64/64 [=================] - 50s 788ms/step - loss: 3.0594 - acc: 0.3077 - val_loss: 3,3569 - val_acc: 0.2425
...
Epoch 20/30
64/64 [=================] - 54s 843ms/step - loss: 2.2030 - acc: 0.4628 - val_loss: 2.8968 - val_acc: 0.3565
...
Epoch 25/30
64/64 [=================] - 49s 773ms/step - loss: 1.9324 - acc: 0.5293 - val_loss: 2.6801 - val_acc: 0.3823
...
Epoch 30/30
64/64 [=================] - 52s 814ms/step - loss: 1.6427 - acc: 0.5801 - val_loss: 2.6852 - val_acc: 0.3936

---

有人能帮我理解吗？

这可能会提高您的验证准确性：

# Add a fully connected layer with 512 hidden units and ReLU activation
x = keras.layers.Dense(512, activation='relu')(x)

---

Vgg-16和其他预先训练的模型在ImageNet数据集上进行训练，这与您当前的数据集非常不同。您的模型使用预先训练的权重，在完全连接的层上训练，然后给出输出。我想你应该在使用你设置的学习率的完全连接层之前尝试训练几层？Zrufy，我尝试使用SCD optimizer和0.0001的学习率，但情况更糟。所以我用的是标准的亚当

# Add a dropout rate of 0.5
x = keras.layers.Dropout(0.5)(x)