我使用了model.fit()幾次，每次負責訓練一個層塊，其中其他層被凍結代碼 # create the base pre-trained model    base_model = efn.EfficientNetB0(input_tensor=input_tensor,weights='imagenet', include_top=False)    # add a global spatial average pooling layer    x = base_model.output    x = GlobalAveragePooling2D()(x)        # add a fully-connected layer    x = Dense(x.shape[1], activation='relu',name='first_dense')(x)    x=Dropout(0.5)(x)    x = Dense(x.shape[1], activation='relu',name='output')(x)    x=Dropout(0.5)(x)    no_classes=10    predictions = Dense(no_classes, activation='softmax')(x)    # this is the model we will train    model = Model(inputs=base_model.input, outputs=predictions)    # first: train only the top layers (which were randomly initialized)    # i.e. freeze all convolutional layers    for layer in base_model.layers:        layer.trainable = False    #FIRST COMPILE    model.compile(optimizer='Adam', loss=loss_function,                 metrics=['accuracy'])    #FIRST FIT    model.fit(features[train], labels[train],              batch_size=batch_size,              epochs=top_epoch,              verbose=verbosity,              validation_split=validation_split)    # Generate generalization metrics    scores = model.evaluate(features[test], labels[test], verbose=1)        print(scores)     #Let all layers be trainable            for layer in model.layers:        layer.trainable = True        from tensorflow.keras.optimizers import SGD奇怪的是，在第二次擬合中，第一個時期的準確率比第一次擬合的最后一個時期的準確率低得多。結果Epoch 40/40 6286/6286 [================================] - 14s 2ms/樣本 - 損失：0.2370 - 準確度：0.9211 - val_loss：1.3579 - val_accuracy：0.6762 874/874 [================================] - 2s 2ms/樣本- 損失：0.4122 - 準確度：0.8764在 6286 個樣本上進行訓練，在 1572 個樣本上進行驗證 Epoch 1/40 6286/6286 [================================] - 60 秒9ms/樣本 - 損失：5.9343 - 準確度：0.5655 - val_loss：2.4981 - val_accuracy：0.5115我認為第二次擬合的權重不是從第一次擬合中獲取的