tensorflow-federated - VGG16 モデルの TFF で精度が上がらないのはなぜですか?

Question

VGG16 モデルでコード TFF をビルドしました。しかし、訓練中は精度は変わらず、11ラウンド後も0.5前後で推移しています。学習率を変更してみましたが、大きな効果はありません.!!! では、コードを実行すると精度が安定し、増加しないため、精度を上げるためにコードで変更できるメトリックと項目は何ですか?

これが私のVGG16のコードです

def create_compiled_keras_model():

    IMG_SHAPE = (IMG_SIZE, IMG_SIZE, 3)
    VGG16_MODEL = tf.keras.applications.VGG16(input_shape=IMG_SHAPE,
                                               include_top=False,
                                               weights='imagenet')

#VGG16_MODEL.trainable=False
    global_average_layer = tf.keras.layers.GlobalAveragePooling2D()
    prediction_layer = tf.keras.layers.Dense(......)


    model = tf.keras.Sequential([ VGG16_MODEL, global_average_layer, prediction_layer ])


    model.compile  .............
    return model

...
iterative_process = tff.learning.build_federated_averaging_process(model_fn)
state = iterative_process.initialize()
for round_num in range(2, 12):
  state, metrics = iterative_process.next(state, federated_train_data)
  print('round {:2d}, metrics={}'.format(round_num, metrics, state))