您的问题的简单答案是“不”，但需要注意。

需要注意的是，有迹象表明您的网络永远不会表现良好。例如，在前几个 epoch 中，epoch 准确度没有提高甚至持续下降，或者验证准确度持平或下降。可能是验证损失从一开始就很高，并且从一开始就一直在增加。这些都是不好的迹象。

然而，除此之外，很难知道该模型从长远来看不会很好地工作。例如，我们有一个为解决一组验证码而构建的模型。其中的回归部分收敛得非常快，但解决 CAPTCHA 其余部分的部分需要大约 18 小时才能收敛。老实说，我们只运行了这么长时间，因为这是一天结束的时候，回归部分看起来很有希望；CAPTCHA 求解器的训练行为中没有任何东西看起来会起作用（即使我们的直觉是它应该起作用。）

最后，我们有一个 96%+ 准确率的 CAPTCHA 求解器，如果我们观察它训练超过 10 或 15 分钟，我们可能会杀死它。

我希望您尝试对模型进行以下更改。

• 在模型中引入批量归一化层。
• 尝试批量大小为 32 - 64
• 使用不同的架构，如 VGG、Resnet 等。

这个问题没有完整的证据答案，但你可以通过尝试一些已知的策略来获得最好的结果。

您的描述听起来类似于Imagenet dataset。根据这个网站，最先进的 top-1 准确率高达 86%，比你的高不了多少。有很多方法可以提高准确性。我建议您阅读SOTA中列出的论文或 github，以找到最适合您情况的想法。

我无法发表评论，但这里有一些建议：

• 玩 lr 和 lr finder
• 使用预训练模型
• 使用架构搜索或使用诸如efficientnet b6之类的东西
• 在 relu 上使用 swish
• 尝试不同的优化器
• 尝试贝叶斯优化