验证集 loss升高且训练出的模型过于极端

以下两张图为batch_size=512的情况下的loss与accuracy的可视化图表

由以上两张图可以看出，在对该模型进行训练时，其train loss是不断上升的，在网上搜了一下，大概意思是过拟合，所以我采用了以下代码来降低学习率

# 调整学习率
def scheduler(epoch):
    # 每隔100个epoch，学习率减小为原来的1/10
    if epoch % 5 == 0 and epoch != 0:
        lr = K.get_value(model.optimizer.lr)
        K.set_value(model.optimizer.lr, lr * 0.1)
        print("lr changed to {}".format(lr * 0.1))
    return K.get_value(model.optimizer.lr)

结果：
每训练五轮调整一次学习率。