TensorFlow/Keras模型训练准确率始终维持在50%求助

你的代码存在一个关键错误，导致训练样本与标签的对应关系完全失效，模型无法学习到有效特征，最终准确率停留在随机猜测的水平（约50%）。

错误定位 #

问题出在这一行代码：

train_labels, train_labels = shuffle(train_labels, train_labels)

你错误地将shuffle函数的两个输入都设置为train_labels，并且将结果重复赋值给train_labels，这会导致：

1. 训练样本train_samples完全没有被打乱
2. 标签自身被重复打乱后覆盖，样本与标签的对应关系彻底断裂

修复方法 #

需要同时打乱样本和标签，保持两者的对应关系，正确代码如下：

train_samples, train_labels = shuffle(train_samples, train_labels)

额外优化点 #

代码中train_label = np.array(train_labels)这一行是多余的（未被后续代码使用），可以直接删除。

修改后重新运行训练，模型会快速学习到年龄与标签的对应模式，准确率会显著提升至接近100%的水平。

内容的提问来源于stack exchange，提问作者Gianluca