Tensorflow 这是否可以被视为过度装修？

我有4个班，每个班有1350张图片。验证集占总图像的20%（它是自动生成的）。培训模式使用MobilenetV2网络：

base_model = tf.keras.applications.MobileNetV2(input_shape=IMG_SHAPE, include_top=False, weights='imagenet') 

将创建以下模型：

model = tf.keras.Sequential([
  base_model,
  tf.keras.layers.Conv2D(32, 3, activation='relu', kernel_regularizer=regularizers.l2(0.001)),
  tf.keras.layers.Dropout(0.5),
  tf.keras.layers.MaxPool2D(),
  tf.keras.layers.Flatten(),
  tf.keras.layers.Dense(4, activation='softmax', kernel_regularizer=regularizers.l2(0.001))
]) 

该模型经过20个阶段的训练，然后在15个阶段中进行微调。结果如下：

---

如果没有验证损失的数值，就有点难以判断，但我要说的是，微调前的结果稍微过拟合，而微调后的结果则不太过拟合。你还可以做一些额外的事情。一种是尝试使用回调tf.keras.callbacks.reducelRon函数使用可调整的学习速率。将其设置为监视验证丢失。文档是我设置的系数=0.5，耐心=1。其次，用tf.keras.layers.globalMapool2D替换展平层，看看它是否能改善验证损失。

在我添加tf.keras.layers.globalMapool2D后，值如下：

Epoch 20/2068/68[=========================================================]-26s 377ms/步-损失：0.1982-精度：0.9833-瓦卢损失：0.7288-瓦卢精度：0.7926

尝试在最终致密层之前添加keras.layers.BatchNormalization（轴=-1，动量=0.99，ε=0.001），看看这是否有帮助。我有以下信息：

历元20/2068/68[====================================================================================================================================================================================-26s 377ms/步-损耗：0.1422-精度：0.9817-瓦尔_损耗：1.0297-瓦尔_精度：0.7685