Python 为什么我的验证准确率停留在65%左右，如何提高？

我正在使用VGG16制作一个图像分类CNN，有5个类别，每个类别有693张图像，宽度和高度为224px，但我的验证精度在15-20个时代后仍停留在60%-65%左右

我已经在使用一些数据增强、批量标准化和退出，我已经冻结了前5层，但我似乎无法将我的准确率提高到65%以上

这些是我自己的图层

img_行，img_列，img_通道=2242243
base_model=applications.VGG16（weights='imagenet'，include_top=False，input_shape=（img_行、img_列、img_通道））
对于基础模型中的层。层[：5]：
layer.trainable=错误
添加_model=Sequential（）
add_model.add（展平（输入_shape=base_model.output_shape[1:]））
add_model.add（辍学（0.5））
add_model.add（密集（512，activation='relu'））
add_model.add（BatchNormalization（））
add_model.add（辍学（0.5））
add_model.add（密集型（5，activation='softmax'））
模型=模型（输入=基本模型。输入，输出=添加模型（基本模型。输出））
model.compile（loss='sparse\u categorical\u crossentropy'，optimizer=optimizers.Adam（lr=0.0001），
指标=[‘准确度’]）
model.summary（）

这是我的数据集和我的模型

batch\u size=64
纪元=25
列车\数据发生器=图像数据发生器(
旋转范围=30，
宽度\移位\范围=.1，
高度\位移\范围=.1，
水平（翻转=真）
列车数据生成装置（x列车）
历史=model.fit\u生成器(
序列数据生成流（x序列、y序列、批次大小=批次大小），
每个历元的步数=x列。形状[0]//批量大小，
时代，
验证数据=（x检验，y检验），
回调=[ModelCheckpoint（'VGG16-transferlearning.model'，monitor='val\u acc'，save\u best\u only=True）]
)

---

我希望获得更高的准确度，因为我现在得到的还不够，因此我们非常感谢您的帮助或建议。

您可以尝试以下几点：

• 减少批量大小
• 选择另一个优化器：
• 默认情况下增加学习速率，然后使用回调

---

但是，像往常一样，这取决于您使用的数据。你的身体很平衡吗

我们需要更多的信息来帮助您，您是如何装载重量的？你是不是在冻一层？你的输入图像的形状是什么？等等，你在不同型号上的准确度是多少？试试resnet或inception。你在做什么来增加数据，图像旋转？您的数据集大小真的只有693吗？你辍学时发生了什么？更改现有图层的大小时发生了什么？当您去掉图层或添加图层时发生了什么？图像的复杂性是什么？这看起来也是一个非常有限的扩充集。尝试更多的增强，包括颜色/模糊/噪声/裁剪/更高级别的旋转等。超出您认为合理的范围，看看它是如何训练的。你会惊讶于它能有多大帮助。如果太多的话，再调回一点。