очень низкая точность при переподготовке vgg16 в керрас


Я пытаюсь переучить VGG16 для нового набора данных с помощью передачи знаний. Я загрузил модель с весами неограниченный доступ к базе и без верхней полносвязные слои, полученных прогнозов на основе данных из слоев проблемное место, и подготовил небольшой модели с эти предсказания узких мест. Однако точность проверки на очень низком уровне 0.002 после 50 эпох. Я не могу выяснить, где проблема в моем коде, который представляет собой модифицированную версию InceptionV3 код переподготовка из Керрас документы. Мне удалось переквалифицироваться ResNet50 на тот же набор данных с точностью до 0.88. Мой код, как показано ниже.

from keras.applications import VGG16from keras.preprocessing import imagefrom keras.models import Modelfrom keras.layers import Dense, Flatten, Dropoutfrom keras import backend as Kfrom keras.preprocessing.image import ImageDataGeneratorfrom keras.layers import Inputimg_width, img_height = 224, 224train_data_dir = 'Dataset/train'validation_data_dir = 'Dataset/test'nb_train_samples = 31119nb_validation_samples = 13362nb_epoch = 50nb_classes = 281batch_size = 16input_tensor = Input(shape=(224, 224, 3))base_model = VGG16(weights="imagenet", input_tensor=input_tensor, include_top=False)x = base_model.outputx = Flatten()(x)x = Dense(256, activation='relu')(x)x = Dropout(0.5)(x)predictions = Dense(nb_classes, activation='sigmoid')(x)model = Model(input=base_model.input, output=predictions)for layer in base_model.layers:    layer.trainable = Falsemodel.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=    ['accuracy'])train_datagen = ImageDataGenerator(        rescale=1./255)test_datagen = ImageDataGenerator(rescale=1./255)train_generator = train_datagen.flow_from_directory(    train_data_dir,    target_size=(img_width, img_height),    batch_size=16,    class_mode='categorical')validation_generator = test_datagen.flow_from_directory(    validation_data_dir,    target_size=(img_width, img_height),    batch_size=16,    class_mode='categorical')history = model.fit_generator(    train_generator,    nb_epoch=nb_epoch,    steps_per_epoch=nb_train_samples/batch_size,    validation_data=validation_generator,    validation_steps=nb_validation_samples/batch_size)