在python中创建模型，并用fit Epoch提高精度，但是实际上并没有提高是为什么

Question

我用下面的代码创建一个model，然后想用model.fit(X_test, Y_test, epochs=100)和model.fit(X_val, Y_val, epochs=100)提高模型的精度

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(80, 80, 3)),
  tf.keras.layers.Dense(512, activation='sigmoid'),
  tf.keras.layers.Dense(2, activation='sigmoid')
])

model.compile(optimizer = 'adam',
              loss = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics = ['accuracy'])

model.summary()

# Fits the model to the training data
model.fit(X_test, Y_test, epochs=100)

# Fits the model to the validation
model.fit(X_val, Y_val, epochs=100)

我的预期结果是类似这样的，epoch逐个提高精度

但是上面代码得到的结果accuracy并没有提高

想请教一下该怎么改进，可以实现accuracy的提高

Answer 1

model.fit(X_val, Y_val, epochs=100)
训练集用来训练模型，验证集用来选择模型，测试集用来测试模型性能，你的这行是用验证集来训练模型了吗？？？