如何在使用EfficientNet时防止过度装配/欠装配

Question

我是python新手 因此，对于我的大学期末项目，我使用EfficientNet将成熟棕榈油分为4类。 我总共有5852个列车数据（每个1463个）和132个测试数据（每个33个）。 我使用了来自互联网的代码。 但结果远非好事。 我已经添加了layers.dropout以防止/避免不合身。 我还使用imagenet进行迁移学习。 有什么办法可以改善结果吗

编辑： 我已经将代码从conv_base.trainable=False更改为conv_base.trainable=True。但我认为结果仍然不好

这是我的完整代码：https://drive.google.com/file/d/1OeiSA23xmF5ceq19aqc1l20mlT3Uxocs/view?usp=sharing

这是我的结果