如何提高模型的准确率？

Question

我绝对是 tensorflow 的新手，我尝试创建一个简单的模型，但准确率超低，有人可以帮忙找出问题所在吗？

from tensorflow.keras.layers import Dense
from tensorflow.keras.models import Sequential

train_x = [[i, j] for i in range(1000) for j in range(1000)]
train_y = [[(2 * i + 3 * j) % 10] for i in range(1000) for j in range(1000)]

model = Sequential()
model.add(Dense(32, activation="relu", input_dim=2))
model.add(Dense(32, activation="relu"))
model.add(Dense(10, activation="softmax"))

model.compile(optimzier="rmsprop", loss="sparse_categorical_crossentropy", metrics=['accuracy'])
model.summary()

model.fit(train_x, train_y, epochs=10, batch_size=1000)

test_x = train_x[10:60]
test_y = train_y[10:60]

model.evaluate(test_x, test_y, batch_size=100)

结果：

loss: 2.3026 - accuracy: 0.1000

Answer 1

提高模型准确性的方法很少

• 减少批量大小（您正在使用整个数据集）
• 增加层数、单位数。
• 增加时代的数量。
• 使用看不见的数据来评估模型。 （您使用了 60 个训练数据元素）

建议您阅读 Deep Learning with Python by Francois Chollet，第 3.5 节“多类分类示例”