数据挖掘 - 使用迁移学习时模型不学习 - 吾爱随笔录

我正在从事关于图像分类（两个类）的个人项目，并试图了解 MobileNet v2 结构的性能。虽然在第一个 epoch 之后训练的训练准确度已经很高，之后继续增加。然而，验证准确率似乎永远停留在 50% 左右。

我已经尝试过将 SGD、Adam 和 RMSprop 作为优化器，但是它们都产生了相同的结果。我还使用了带有和不带有 ImageNet 权重的 MobileNet v2，没有看到任何区别。其他 CNN 架构工作得非常好，验证准确率高达 ~95%。我正在为我的模型使用以下代码：

from keras.applications import MobileNetV2
from keras.models import Sequential
from keras.layers import GlobalAveragePooling2D, Dropout, Dense

basemodel = MobileNetV2(input_shape=(128, 173, 3), include_top=False, weights=None)
model = Sequential(
    [
        basemodel,
        GlobalAveragePooling2D(),
        Dropout(0.5),
        Dense(64, activation="relu"),
        Dropout(0.3),
        Dense(1, activation="sigmoid"),
    ]
)
model.compile(loss="binary_crossentropy", optimizer="sgd", metrics=["accuracy"])

是否有一些明显的东西我遗漏了，或者我只是为我的数据集使用了不正确的超参数？