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：
-
训练样本数量： 40,000 图像 .
-
测试样本数： 15,000 images .
-
第一个 50 纪元的学习率设定为 0.001 ，下一个 50 纪元设定为 0.0001 ，其余为 0.00001 .
-
批处理： 128
-
辍学率： 0.2
在150个时期之后，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，它不是我的问题的解决方案 .
提前感谢您提供的任何帮助 .
问候，
Nhien./ .