构建的第一个孪生网络

最近几天在搭建一个孪生网络，计算两张图像之间的相似度，然后迁移应用到小样本识别中，在LFW上构造了2000对正负样本对，对网络进行训练，一开在训练过程中没有加shuffle训练和测试集上识别率都很低，后在fit中加入下面一个命令，准确度飞升

shuffle=True

目前在GPU上训练每个epoch运行时间9S，但训练集上准确度为1测试集上准确度为0.8,。正在考虑如何改进。

Epoch 49/50
20/20 [==============================] - 9s 439ms/step - loss: 0.0037 - acc: 1.0000 - val_loss: 0.5846 - val_acc: 0.8120
Epoch 50/50
20/20 [==============================] - 9s 437ms/step - loss: 0.0033 - acc: 1.0000 - val_loss: 0.5859 - val_acc: 0.8000

数据量少？接下来尝试K折交叉验证。

其他问题：训练样本是彩色样本，迁移到的测试集样本大多数是黑白样本？怎么解决

目标域样本的大小与源域样本大小不一致，应该采用SPP（空间金字塔池化），考虑基本的网络中是否已经加入了SPP？