Resnet18 для набора данных CIFAR100 дает низкую точность 1%. Что может быть причиной?

Question

Я пытаюсь сделать resnet18 для данных CIFAR100, как показано ниже:

class MyModel(Model):
  def __init__(self):
    super(MyModel, self).__init__()
    self.conv1 = Conv2D(64, (3,3), strides = (1,1), padding = 'same', activation='linear',input_shape=x_train.shape[1:])
    self.bn1 = BatchNormalization()
    self.RL = ReLU()
    self.avg = AveragePooling2D((4,4))
    self.flatten = Flatten()
    self.FC = Dense(100, activation='softmax')

  def make_BB(self, x,num_filter, size_decrease):
    if size_decrease == True:
      C1 = Conv2D(num_filter, (3,3),padding = 'same',strides = (2,2),activation = 'linear')
      B1 = BatchNormalization()
      R1 = ReLU()
      C2 = Conv2D(num_filter, (3,3),padding = 'same',strides = (1,1),activation = 'linear')
      B2 = BatchNormalization()
      C3 = Conv2D(num_filter, (1,1),padding= 'same', strides = (2,2),activation = 'linear')
      B3 = BatchNormalization()
      forward = B2(C2(R1(B1(C1(x))))) + B3(C3(x))
      return forward
    else:
      C1 = Conv2D(num_filter, (3,3),padding = 'same',strides = (1,1),activation = 'linear')
      B1 = BatchNormalization()
      R1 = ReLU()
      C2 = Conv2D(num_filter, (3,3),padding = 'same',strides = (1,1),activation = 'linear')
      B2 = BatchNormalization()
      forward = B2(C2(R1(B1(C1(x))))) + x
      return forward


  def call(self, x):
    x = self.conv1(x)
    x = self.bn1(x)
    x = self.RL(x)

    # BasicBlock1
    x = self.make_BB(x,64,False)
    x = self.make_BB(x,64,False)
    # BasicBlock2
    x = self.make_BB(x,128,True)
    x = self.make_BB(x,128,False)
    # BasicBlock3
    x = self.make_BB(x,256,True)
    x = self.make_BB(x,256,False)
    # BasicBlock4
    x = self.make_BB(x,512,True)
    x = self.make_BB(x,512,False)

    x = self.avg(x)
    x = self.flatten(x)
    return self.FC(x)

  def func(self):
    x = tf.keras.layers.Input(shape=(32, 32, 3))
    return Model(inputs=[x], outputs=self.call(x))

model = MyModel()


optimizer = tf.keras.optimizers.Adam(0.01)
model.compile(optimizer= optimizer,
          loss='sparse_categorical_crossentropy',
          metrics=['sparse_categorical_accuracy'])
model.fit(x_train,y_train, epochs = 50)

Но эта модель записывает 1% точности, что означает, что она ничего не узнает.

Я пробовал более простые модели , и это сработало.

Я также пытался изменить скорость обучения на 0,1, 0,001, 0,0005 и т.д. c, но все результаты были такими же.

Я думаю, что часть make_BB делает что-то не так , но я не знаю, что я сделал не так, и даже не могу найти свои ошибки.

Что я сделал не так?