在imagenet数据集上针对1000个类别重新训练Vgg16 keras模型，从而降低了预训练体重的准确性

Question

我正在使用Vgg16 keras模型，并根据Keras文档在预训练权重上设置了图像数据。 我正在尝试复制keras文档中提到的结果。但是在培训时，它在下面的代码中显示了1％的准确性。如何根据Keras文档复制相似的结果。注意：这不是微调，我只是在尝试可以在短时期内在1000类imagenet数据集上复制相似的结果。

model = VGG16(weights='imagenet', include_top=True)
train_datagen = ImageDataGenerator(preprocessing_function=preprocess_input)
train_generator = train_datagen.flow_from_directory(
    directory="/home/svarada2/Downloads/ILSVRC2012_img_train",
    target_size=(224, 224),
    color_mode="rgb",
    batch_size=32,
    class_mode="categorical",
    shuffle=True,
    seed=42
)

STEP_SIZE_TRAIN=train_generator.n//train_generator.batch_size

model.compile(loss='categorical_crossentropy',
              optimizer='adam',
              metrics=['accuracy'])


model.fit_generator(generator=train_generator,
                    steps_per_epoch=STEP_SIZE_TRAIN,

                    epochs=10
)