python - Fine-Tunning 时正确使用 BatchNormalization

Question

我正在使用 keras 和 TF 2.0 我正在尝试将在 ImageNet 上预训练的 ResNet50 实施到不同的问题（肺炎二进制分类），我发现网上有一些关于如何正确设置批量标准化层的讨论精细调整。我的问题是我是否应该冻结模型中的所有层，或者跳过批量标准化层来进行适当的微调。我的意思是，如果resnet是预训练模型

resnet.trainable = False

或者

for layer in resnet.layers:
    if not isinstance(layer, keras.layers.BatchNormalization):
      layer.trainable = False
    enter code here

我达到了 97% 的测试准确率，但我认为它应该在这样一个简单的任务中表现得更好。我应该使用哪种冷冻方式？