我正在從目錄層次結(jié)構(gòu)中讀取圖像（flow_from_directory 使用 ImageDataGenerator 類中的生成器）。該模型是固定參數(shù)的mobilenetv2 + 可訓(xùn)練的softmax層。當(dāng)我將模型擬合到訓(xùn)練數(shù)據(jù)時，訓(xùn)練和驗(yàn)證的準(zhǔn)確度水平相當(dāng)。如果我使用驗(yàn)證參數(shù)或重置生成器，則使用 model.evaluate 驗(yàn)證生成器的準(zhǔn)確性會顯著下降，或者如果我重新使用 model.fit 擬合模型。該數(shù)據(jù)庫是3D視圖數(shù)據(jù)庫。相關(guān)代碼：'''batch_size=16rescaled3D_gen = tf.keras.preprocessing.image.ImageDataGenerator(rescale=1./255, zoom_range=0.2,                                                                  shear_range=0.2,                                                                   horizontal_flip=True)             train_gen =rescaled3D_gen.flow_from_directory(data_directory + '/train/', seed=3,                                              target_size = (pixels, pixels), shuffle=True,                                              batch_size = batch_size, class_mode='binary')val_gen =rescaled3D_gen.flow_from_directory(data_directory + '/test/', seed=3,                                            target_size = (pixels, pixels), shuffle=True,                                            batch_size = batch_size, class_mode='binary')#MODELinputs = tf.keras.Input(shape=(None, None, 3), batch_size=batch_size)x = tf.keras.layers.Lambda(lambda img: tf.image.resize(img, (pixels,pixels)))(inputs)x = tf.keras.layers.Lambda(tf.keras.applications.mobilenet_v2.preprocess_input)(x)mobilev2 = tf.keras.applications.mobilenet_v2.MobileNetV2(weights = 'imagenet', input_tensor = x,                                                          input_shape=(pixels,pixels,3),                                                          include_top=True, pooling = 'avg')#add a dense layer for task-specific categorization.full_model = tf.keras.Sequential([mobilev2,                                 tf.keras.layers.Dense(train_gen.num_classes, activation='softmax')])for idx, layers in enumerate(mobilev2.layers):    layers.trainable = Falsemobilev2.layers[-1].trainable=True