我正在研究具有 10 个类别（从 0 到 10 的数字）的手语数字数据集的图像分类问题。由于某种原因，我的模型高度过度拟合，尽管我尝试了简单的模型（如 1 个卷积层）、经典的 ResNet50 甚至最先进的 NASNetMobile。
图像是彩色的，大小为 100x100。我尝试调整学习率，但它没有多大帮助，尽管减少批量大小会导致 val 准确性的早期增加。
我对图像应用了增强，但也没有帮助：当 val 精度不能高于 0.6 时，我的训练精度可以达到 1.0。
我查看了数据，它似乎加载得很好。验证集中的类分布也是公平的。我总共有 2062 张图片。
当我将损失更改为binary_crossentropy它时，它似乎可以为训练准确度和 val 准确度提供更好的结果，但这似乎并不正确。
我不明白出了什么问题，你能帮我找出我错过了什么吗？谢谢你。
这是我的笔记本的链接：单击