目前，我正在尝试在 VGG-16 模型上训练数据集。问题是准确度没有太大变化，但它并没有被固定在一个固定的准确度上。情节图可以在下面看到。任何建议为什么会发生这种情况？

我已经按照几个指南来解决这个关于卡住精度的问题，但它们不起作用。

编辑：

200个时代

50 个具有 Imagenet 权重的 Epoch

代码

该模型的输入大小是 600 张 224x224x3 的图像。此外，还有两个标签 dog 和 cat (0,1)。

特性

imageSize = (224,224,3)
epochs = 25
batch_size = 32

模型

from keras.applications.vgg16 import VGG16
vgg = VGG16(input_shape=imageSize,weights=None,include_top=False)

x = Flatten()(vgg.output)
prediction = Dense(1,activation='sigmoid')(x)

model = Model(inputs=vgg.input,outputs=prediction)
model.compile(loss='binary_crossentropy', optimizer='adam',metrics=['accuracy'])

图像生成器

from keras.applications.vgg16 import preprocess_input
from keras.preprocessing import image
from keras.preprocessing.image import ImageDataGenerator

imgGen = ImageDataGenerator(rotation_range=20,
                            width_shift_range=0.1,
                            height_shift_range=0.1,
                            shear_range=0.1,
                            zoom_range=0.2,
                            horizontal_flip=True,
                            vertical_flip=True,
                            preprocessing_function = preprocess_input)

拟合模型

r = model.fit_generator(imgGen.flow(trainX, trainY, …