当训练精度提高时，验证精度较低且不增加

Question

我对Keras和机器学习是个新手。我试图用序列模型建立一个分类模型。经过一些实验，我发现我的验证准确率很低，而且没有增加，尽管训练准确率很好。我添加了正则化参数的层和辍学之间也层。不过，这种行为还是存在的。这是我的密码。你知道吗

from keras.regularizers import l2
model = keras.models.Sequential()
model.add(keras.layers.Conv1D(filters=32, kernel_size=1, strides=1, padding="SAME", activation="relu", input_shape=[512,1],kernel_regularizer=keras.regularizers.l2(l=0.1))) # 一定要加 input shape
keras.layers.Dropout=0.35
model.add(keras.layers.MaxPool1D(pool_size=1,activity_regularizer=l2(0.01)))
model.add(keras.layers.Flatten())
model.add(keras.layers.Dense(256, activation="softmax",activity_regularizer=l2(0.01)))

model.compile(loss="sparse_categorical_crossentropy",
             optimizer="adam",
             metrics=["accuracy"])

Ahistory = model.fit(train_x, trainy, epochs=300, 
                    validation_split = 0.2, 
                    batch_size = 16)

这是我得到的最终结果。你知道吗

这背后的原因是什么。？如何微调模型。？你知道吗