一般提示：使用mobileNetV2进行TF转移学习图像分类

Question

我是机器学习的新手，可能需要一些有关如何进行项目/问题的常规提示/指南。

我想将转移学习与mobilenetV2结合使用，对5种不同类型的火车（5类）进行分类。从简单开始，我只有2个班级，并且在冻结所有基本层的情况下，可以达到〜85％的训练精度和〜70％的验证精度。大约10个时代之后，这还不错。.但是：

主要问题是：一旦我增加了火车班的数量，准确性就不会提高到38％以上。我尝试更改学习率，批量大小，图像输入形状..但没有成功...

由于我是该领域的新手，使用常规设置也可能无法解决问题...

我的想法：

• 55x55的“大”图像尺寸是否足以获得良好的功能？ （火车可能看起来很相似？）
• 对于这种尺寸，预训练的模型似乎没有权重。这是一个问题吗？
• 我有足够的数据吗？我每节课有约1200张照片用于培训，每节课有〜300张照片用于验证（在两种情况下，我都垂直镜像图片以获取更多数据而无需手动分类更多图片）
• 我的模型完全有意义吗？它非常多的复制粘贴
• 我跑了足够的时间了吗？最大纪元大概是20个，但是累积的总数却没有增加。.因此我停了下来

这是大小为32的训练批次的样子（随机）：

您可以在Jupyter笔记本中找到以下代码：https://github.com/n304win/transferLearn

非常感谢帮助！ 谢谢n304win