Keras：过度拟合 Conv2D

I'm trying to build a convolutional based model. I trained two different structures as following. As you can see for single layer there isn't any obvious change along number of epochs. Bi-layer Conv2D presents improving in accuracy and losses for train dataset, but validation characteristics are going to be a tragedy. According to the fact that I can't increase my data-set what should I do to improve validation characteristics? I've examined regularizer L1 & L2 but they didn't affect my model.

1)您可以使用自适应学习率（指数衰减或步长相关可能适合您）此外，当您的模型进入局部最小值时，您可以尝试极高的学习率。

2)如果您正在使用图像进行训练，您可以翻转、旋转或其他方式来增加数据集大小，也许其他一些增强技术可能适合您的情况。

3)尝试改变模型，如更深、更浅、更宽、更窄。

4)如果您正在做分​​类模型，请确保您没有使用sigmoid除非你正在进行二元分类，否则最终作为你的激活函数。

5)在训练之前请务必检查数据集的情况。

• 您的训练-测试分割可能不适合您的情况。
• 您的数据中可能存在极端噪音。
• 您的部分数据可能已损坏。

Note:每当我想到新想法时，我都会更新它们。此外，我不想重复评论和其他答案，它们都为您的案例提供了有价值的信息。