我正在训练一个 4 类分类器。我从 vgg16 加载预训练的权重，并且只将最后一层设置为可训练的。这给了我 0.9 的损失（分类交叉熵）和 70% 的训练准确度。

但是，我想要我的图像的特征 - 倒数第二个激活是为每个图像获取特征的一种选择。因此，我将最后一层和倒数第二层都设置为可训练的，但随后我的损失跳到 9.8，训练准确率下降到 39%。

这怎么可能发生？这是我正在使用的代码：

vgg.model.pop()
对于 vgg.model.layers 中的层：
    layer.trainable = 假
vgg.model.add（密集（trn_batches.nb_class，激活='softmax'））
选择 = 亚当（lr=0.001）

#只有最后一层是可训练的
vgg.model.compile(optimizer=opt, loss='categorical_crossentropy', metrics=['accuracy'])
vgg.model.fit_generator（trn_batches，samples_per_epoch=trn_batches.nb_sample，nb_epoch=1，
    验证数据=val_batches，nb_val_samples=val_batches.nb_sample)

#使最后 2 层可训练（从 -3 开始，因为有一个 dropout 层）
对于 vgg.model.layers[-3:] 中的层：
    layer.trainable = True
vgg.model.compile(optimizer=opt, loss='categorical_crossentropy', metrics=['accuracy'])
vgg.model.fit_generator（trn_batches，samples_per_epoch=trn_batches.nb_sample，nb_epoch=1，validation_data=val_batches，nb_val_samples=val_batches.nb_sample）