迁移学习resnet_resnet50迁移学习过程中的严重过度拟合

这是我第一次尝试用cns做一些事情，所以我可能做了一些非常愚蠢的事情-但是我不知道我错在哪里。。。在

这个模型似乎学习得很好，但是验证精度没有提高(甚至在第一个纪元之后)，而且验证损失实际上随着时间的推移而增加。看起来我不是太适合(在1个时代之后？)-我们必须换个方式走吗。在

我正在训练一个CNN网络-我有大约10万张不同植物的图片(1000个班级)，我想微调ResNet50来创建一个多类分类器。图片大小不一，我是这样加载的：from keras.preprocessing import image

def path_to_tensor(img_path):

# loads RGB image as PIL.Image.Image type

img = image.load_img(img_path, target_size=(IMG_HEIGHT, IMG_HEIGHT))

# convert PIL.Image.Image type to 3D tensor with shape (IMG_HEIGHT, IMG_HEIGHT, 3)

x = image.img_to_array(img)

# convert 3D tensor to 4D tensor with shape (1, IMG_HEIGHT, IMG_HEIGHT, 3) and return 4D tensor

return np.expand_dims(x, axis=0)

def paths_to_tensor(img_paths):

list_of_tensors = [path_to_tensor(img_path) for img_path in img_paths] #can use tqdm(img_paths) for data

return np.vstack(