Tive um redução da perda adicionando mais camadas

modelo_teste = keras.Sequential( [keras.layers.Flatten(input_shape = (28, 28) ), keras.layers.Dense(256, activation = tensorflow.nn.relu), keras.layers.Dense(128, activation = tensorflow.nn.relu), keras.layers.Dense(64, activation = tensorflow.nn.relu), keras.layers.Dense(10, activation = tensorflow.nn.softmax) ]) #Vamos dar um compile e ver a perda modelo_teste.compile(optimizer = 'adam', loss = 'sparse_categorical_crossentropy') modelo_teste.fit(x_treino, y_treino)

Olá Pedro.

Recomendo você colocar a parte da normalização do x_treino em uma célula diferente da célula da criação e treinamento do modelo. E também criar uma nova variável para o seu x normalizado, ficando assim:

x_treino_normalizado = x_treino/float(255)

Não esqueça também de incluir essa modificação no treinamento, incluindo a nova variável x_treino_normalizado.

modelo_teste.fit(x_treino_normalizado , y_treino)

O resultado final dessa célula será esse:

modelo_teste = keras.Sequential( [keras.layers.Flatten(input_shape = (28, 28) ),
                            keras.layers.Dense(256, activation = tensorflow.nn.relu),
                            keras.layers.Dense(128, activation = tensorflow.nn.relu),
                            keras.layers.Dense(64, activation = tensorflow.nn.relu),
                            keras.layers.Dense(10, activation = tensorflow.nn.softmax) ])

#Vamos dar um compile e ver a perda
modelo_teste.compile(optimizer = 'adam', loss = 'sparse_categorical_crossentropy')
modelo_teste.fit(x_treino_normalizado , y_treino)

Acredito que dessa maneira o seu resultado será diferente e poderá ver que não temos muitos ganhos em adicionar novas camadas na nossa situação.

1 camada

1875/1875 [==============================] - 6s 3ms/step - loss: 0.4877 <tensorflow.python.keras.callbacks.History at 0x7f96749e1b00>

3 camada

1875/1875 [==============================] - 7s 4ms/step - loss: 0.4888 <tensorflow.python.keras.callbacks.History at 0x7f9674891128>

Acredito que você teve esse resultado inesperado porque a sua variável x_treino esta sendo normalizada todas as vezes que você roda o treinamento, portanto treinando com dados diferentes.

Espero ter te ajudado, qualquer duvida não hesite em perguntar.

Bons Estudos