我设计并训练了一个用于图像识别的Inception-ResNet模型。网络从训练数据集中学到了很多东西。但是，测试精度非常不稳定。
以下是我用于学习过程的一些参数和重要信息：
培训样本数量： 40,000 图片。
测试样本数量： 15,000 图像。
第一个 50 时期的学习率设置为 0.001 ， 0.0001 为 50 > epochs和其他 0.00001 。
批量处理： 128
辍学率： 0.2
在150个时代之后，学习曲线，包括训练损失和测试准确度如下：
Training loss and test accuracy
我试图增加批量大小。但是，这不是我的问题的解决方案。
提前感谢您提供的任何帮助。
此致
An Nhien ./ .
