Мой вопрос о мультиклассовой классификации с керасом для данных wifi

Question

** Я хочу сделать мультиклассовую классификацию, используя керасы, у меня есть набор данных с 1500 выборками из 150 различных меток (довольно большой), данные являются сигнальными, **

результат очень плохой, начиная с.02, однако, когда я изменил функцию активации на сигмовидную в последнем слое, у меня был бы.9933, который, как я знаю, не относится к мультиклассовой классификации, я знаю, что это не правильно.

Что бы вы порекомендовали, я чувствую, что не могу улучшить модель с небольшими изменениями, любая идея будет отличной (конечно, ввод - это горячая кодировка)

большое спасибо вот мой код

csi1 = Input(shape=(200,30,3))
    conv1_1 = Conv2D(64, kernel_size=3, activation='relu',name='layer1-01') 
   (csi1)
    pool1_1 = MaxPooling2D(pool_size=(2, 2),name='layer1-02')(conv1_1)
    conv1_2 = Conv2D(64, kernel_size=3, activation='relu',name='layer1-03') 
   (pool1_1)
    pool1_2 = MaxPooling2D(pool_size=(2, 2),name='layer1-04')(conv1_2)
    conv1_3 = Conv2D(64, kernel_size=3, activation='relu',name='layer1- 
    05',padding='same')(pool1_2)
    feature_maps=Conv2D(32, kernel_size=3, activation='relu',name='layer1- 
    06',padding='same')(conv1_3)
    conv2_1=Conv2D(64, (3,3),padding='same',activation='relu',name='layer-01') 
    (feature_maps)
    pool2_1=MaxPool2D(pool_size=(2, 2,),name='layer-02')(conv2_1)
    conv2_2=Conv2D(32, (3,3),padding="same",activation='relu',name='layer-03') 
   (pool2_1)
    pool2_2=MaxPool2D(pool_size=(2, 2),name='layer-04')(conv2_2)
    x=Flatten()(pool2_2)

    dense1=Dense(16,activation='relu')(x)
    probability=Dense(150,activation='softmax')(dense1)
    model= Model(inputs=csi1, outputs=probability)