Tensorflow CPU上带有mobilenetv2的cifar10数据集的精度不正确

我曾尝试使用cifar10数据集对mobilenetV2进行培训，如中所述，唯一的变化是我在CPU上进行了培训，但最终只获得了63%的准确率，但声明的准确率是94%

DATASET_DIR=/tmp/cifar10
TRAIN_DIR=/tmp/train_logs
python train_image_classifier.py \
--train_dir=${TRAIN_DIR} \
--dataset_name=cifar10 \
--dataset_split_name=train \
--dataset_dir=${DATASET_DIR} \
--model_name=mobilenet_v2 \
--clone_cpu=True

---

出于好奇，您指的是哪种陈述的准确性

---

所有这些网络在不改变Cifar10的情况下进行良好训练，需要将Cifar10的上采样分辨率提高到224x224（或类似分辨率）。在火车图像分类器中应该有一个标志。

Tq@marksandler他们所做的攻击是正确的 到目前为止，我获得了大约93%的准确率 使用步幅2将前3层的步幅更改为5层中的1

---

文件链接是：

参考此页面，根据我在que（tf slim模型）中指定的github链接中指定的训练步骤，他们没有对图像大小的is标志进行任何上调，我已根据cifar10数据集将其更改为32。我想他们正在进行另一次破解，将前两层的跨距设置为1。例如，看看哪个有相同的效果。问题是，如果输入分辨率较低且保持步幅，模型会退化为一组完全连接的层，并疯狂地过度拟合。你知道了，但他们有更多的参考说明更高的精度