Tensorflow 如何提高模型的准确性？

我绝对是tensorflow的新手，我试着创建一个简单的模型，但是精确度非常低，有人能帮我找出错误吗

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

---

有几种方法可以提高模型的准确性

减少使用整个数据集的批处理大小 增加图层、单位的数量。 增加历代的数量。 使用看不见的数据来评估模型。您正在使用60个训练数据元素

---

我建议您阅读第3.5节“多类分类示例”

提出的改进模型的问题被视为离题：