CNNのトレーニングデータの精度を良くしたい

python

from tensorflow.python.keras.models import Sequential model = Sequential() from tensorflow.python.keras.layers import Conv2D model.add( #畳み込み Conv2D( filters=8, #出力 input_shape=(50,50,3), kernel_size=(3,3), #フィルタサイズ strides=(1,1), padding='valid', activation='relu' )) from tensorflow.python.keras.layers import MaxPooling2D from tensorflow.python.keras.layers import Dropout model.add(MaxPooling2D(pool_size=(2,2))) #マックスプーリング # #追加畳み込みmodel.add( Conv2D( filters =16, kernel_size = (3,3), strides = (1,1), padding = 'valid', activation = 'relu' )) model.add(MaxPooling2D(pool_size=(2,2))) #追加畳み込みmodel.add( Conv2D( filters = 32, kernel_size = (3,3), strides = (1,1), padding = 'valid', activation = 'relu' )) model.add(MaxPooling2D(pool_size=(2,2))) #追加畳み込みmodel.add( Conv2D( filters = 64, kernel_size = (3,3), strides = (1,1), padding = 'valid', activation = 'relu' )) model.add(MaxPooling2D(pool_size=(2,2))) from tensorflow.python.keras.layers import Flatten model.add(Flatten()) #2次元配列に from tensorflow.python.keras.layers import Dense model.add(Dense(units=192 ,activation='relu')) #全結合 model.add(Dropout(0.5))model.add(Dense(units=3,activation='softmax',name="f3")) #全結合 model.compile( optimizer="adam", #自動で学習率が設定される loss='categorical_crossentropy', #多分類のときにしていできる交差エントロピー metrics=['accuracy']) #全結合 history_model = model.fit_generator( x_train_generator, epochs = 10, validation_data = val_test_generator, validation_steps = None, shuffle = True )