keras模型无法推广

你能帮我找出我的keras模型有什么问题吗，因为它从第二个纪元开始就过度拟合了。 代码如下：

随机导入
作为pd进口熊猫
导入tensorflow作为tf
进口numpy
从sklearn.preprocessing导入标签编码器
从tensorflow.keras导入后端为K
导入全局操作系统
从sklearn.preprocessing导入StandardScaler
从sklearn.preprocessing导入规范化器
类CustomSaver（tf.keras.callbacks.Callback）：
_epoch_end上的def（self、epoch、logs={}）：
如果（（历元%50）=0）：
model_json=self.model.to_json（）
将open（“model_{}.json”.format（epoch），“w”）作为json_文件：
json_file.write（model_json）
self.model.save_weights（“model_weights_{}.h5.format（epoch））
self.model.save（“model{}.h5.format（epoch））
打印（“已将模型保存到磁盘”）
model=tf.keras.models.Sequential（）
model.add（tf.keras.layers.density（units=806，activation='relu'，input_shape=（100，），activity_regulazer=tf.keras.regulazers.l1（0.01））#50
添加（tf.keras.layers.BatchNormalization（））
模型添加（tf.keras.layers.Dropout（0.3））
model.add（tf.keras.layers.density（units=806，activation='relu'，activity_regulazer=tf.keras.regulazers.l1（0.01））#50
添加（tf.keras.layers.BatchNormalization（））
模型添加（tf.keras.layers.Dropout（0.3））
model.add（tf.keras.layers.density（units=806，activation='relu'，activity_regulazer=tf.keras.regulazers.l1（0.01））#50
添加（tf.keras.layers.BatchNormalization（））
模型添加（tf.keras.layers.Dropout（0.3））
model.add（tf.keras.layers.density（units=14879，activation='softmax'））
optm=tf.keras.optimizers.Adam（学习率=0.0001，β1=0.9，β2=0.999，amsgrad=False）
compile（optimizer=optm，loss='classifical_crossentropy'，metrics=['accurity'，tf.keras.metrics.Precision（），tf.keras.metrics.Recall（））
saver=CustomSaver（）
编码器=LabelEncoder（）
ds=pd.read\U csv（“所有标签.csv”）
y=ds.iloc[：，0]。值
编码器安装（y）
dataset\u val=pd.read\u csv（'validation\u dataset.csv'））
X_val=dataset_val.iloc[：，1:101]。值
y_val=dataset_val.iloc[：，0]。值
顺序=列表（范围（0，len（y_val）））
随机。洗牌（顺序）
X_val=X_val[订单：]
y_val=y_val[订单]
encoded_Y=编码器。转换（Y_val）
y_val=tf.keras.utils.to_category（编码y，14879）
X_val=X_val.astype（'float32'）
chunksize=401999
co=1
对于pd.read\u csv中的数据集（“training\u dataset.csv”，chunksize=chunksize）：
如果（co您的问题来自您的数据：


您正试图从形状输入输出14879个值（批量大小，100），您的网络不可能从您的数据中学习到一些东西
正如@Nopileos所说，10000的批量太大了，我不认为你有数亿的输入，所以考虑使用更合理的批量大小

如果您想让我们帮助您提供一些直观信息，请添加您的输入/标签形状及其相应内容！
如果您的内存不足，请减小块大小。将其减小到10，然后看看是否有效。较大的块大小意味着您的计算机一次必须在RAM中保存更多信息。
这似乎是过度的批量大小。您的数据是什么？您有多少个样本？您试图解决什么问题？请提供更多信息，仅从这些代码中没有人能说出问题所在。@Nopileos抱歉，我花了一段时间才上传了培训csv文件（30 GB）。我添加了更多详细信息。抱歉，我花了一些时间上载我的培训csv文件（30 GB）。我添加了有关此问题的更多详细信息。谢谢@tdogo的回答。我已使用块解决了内存不足问题。我现在的问题是我的模型过拟合。请尝试使用正则化参数：。regularizers.l1（0.01）将.01改为.1，然后再改为1，看看这是否能得到更好的结果。