我正在尝试在Fashion-MNIST数据集上训练和测试lenet-5 CNN。 我使用的是原始的纸面实现，但做了很小的改动（所有conv层都连接到上一层的所有通道和最大池化，而不是平均和正则化，正如我将在后面解释的那样），我的准确率无法超过90％在测试集上，而我觉得我应该得到更多... 我正在测试不同的正则化技术-权重衰减（l2），fc层的落差和批处理归一化，所有这些方法我都得到大致相同的结果（批处理归一化收敛更快，但过度拟合最大）。 我使用了以下优化器： Optimizer = keras.optimizers.SGD（lr = 0.001，衰减= 1e-4，动量= 0.9，Nesterov = True） 我也一直在学习速度，动量和衰减，但结果并没有太大变化。 这些是我得到的收敛图： 没有正则化： No regularization
退出： dropout l2： weight decay 批处理规范： batch normalization 和最终的准确性： final results
我正在使用tensorflow进行训练和测试（我是张量流的新手），我认为我的代码没有什么问题。
有更多经验的人可以解释这个结果是否合理吗？还是我可以尝试以获得更好的结果（并克服这种过度拟合）？
谢谢！
