我在CNN模型中有很高的准确度，但是在火车上的准确度较低

Question

我有CNN的图像分类模型。我用MobileNet做过迁移学习。在移动网络的末尾，我添加了4层来学习图像的权重（而不是更新MobileNet的权重）。移动网的重量不变。结果，我用这个模型得到了91%的准确率，并用相同的训练集（train\u generator）进行了评估。但我现在的准确率只有41%。为什么会出现不同的结果？我用过同样的训练设备。。。你和我有什么不同吗型号.fit\u发电机的准确性和发电机型号？或者数据有问题？请帮忙。。。如何提高准确性？？下面是我的全部代码。你知道吗

from tensorflow.keras.layers import Dense, GlobalAveragePooling2D
from tensorflow.keras.applications import MobileNet
from tensorflow.keras.preprocessing import image
from tensorflow.keras.applications.mobilenet import preprocess_input
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.models import Model
from tensorflow.keras.optimizers import Adam

base_model = MobileNet(weights='imagenet', include_top=False)

x=base_model.output
x=GlobalAveragePooling2D()(x)
x=Dense(1024, activation='relu')(x)
x=Dense(1024, activation='relu')(x)
x=Dense(512, activation='relu')(x)
preds=Dense(7, activation='softmax')(x)

model=Model(inputs=base_model.input, outputs=preds)

for layer in model.layers[:-4]:
    layer.trainable=False
for layer in model.layers[-4:]:
    layer.trainable=True

train_datagen = ImageDataGenerator(preprocessing_function=preprocess_input)

train_generator = train_datagen.flow_from_directory('/Users/LG/Desktop/finger',
                                                   target_size=(224, 224),
                                                   color_mode='rgb',
                                                   batch_size=32,
                                                   class_mode='categorical',
                                                   shuffle=True)

model.compile(optimizer='Adam', loss='categorical_crossentropy', metrics=['accuracy'])

step_size_train=train_generator.n//train_generator.batch_size

model.fit_generator(generator=train_generator,
                   steps_per_epoch=step_size_train,
                   epochs=10)

纪元1/10 17/17[===============================]-53s 3s/步-损耗：1.9354-acc:0.3026

纪元2/10 17/17[============================]-52s 3s/步-损耗：1.1933-acc:0.5276

纪元3/10 17/17[===============================]-52s 3s/步-损耗：0.8936-加速度：0.6787

纪元4/10 17/17[===============================]-54s 3s/步-损耗：0.6040-加速度：0.7843

纪元5/10 17/17[===============================]-53s 3s/步-损耗：0.5367-加速度：0.8080

纪元6/10 17/17[===============================]-55s 3s/步-损耗：0.2676-加速度：0.9099

纪元7/10 17/17[===============================]-52s 3s/步-损耗：0.4531-加速度：0.8387

纪元8/10 17/17[============================]-53s 3s/步-损耗：0.3580-acc:0.8747

纪元9/10 17/17[===============================]-55s 3s/步-损耗：0.1963-acc:0.9301

10/10纪元 17/17[===============================]-53s 3s/步-损耗：0.2237-加速度：0.9133

model.evaluate_generator(train_generator, steps=5)

[2.169835996627808，0.41875]