训练模型的准确率很高，但是验证集准确率特别低

训练图的过程如下：

训练结果：

训练的loss很低，而且正确率已经很高了，但是在验证集上面，loss比较高，而且准确率特别低，还一直不稳定。

产生原因：

将每个类别的数据集中的放在一起，而且数据标签也是很集中的

model.fit(train_data, train_label,
          batch_size = 32,
          epochs = 100,
          validation_split = 0.2,
          shuffle = True)

在module的fit函数里面，虽然有 shuffle ，但是感觉不太对啊，所以还是要提前对数据进行打乱。

解决方法：

打乱数据，但是注意，在打乱的时候，一定要连标签一起打乱，保证打乱后的数据和标签是一一对应 的。

np.random.seed(200)
np.random.shuffle(train_data) 
np.random.seed(200)
np.random.shuffle(train_label)

np.random.seed(200)
np.random.shuffle(test_data) 
np.random.seed(200)
np.random.shuffle(test_label)

解决结果：

论 shuffle 的重要性！！！