模型的层数越高 不等于 模型的准确率越高。

模型训练时准确率越高 不等于 模型预测时准确率越高。

导致模型预测时准确率不高出现问题主要在欠拟合和过拟合。

欠拟合的原因主要是模型的复杂度太低（层数太少）导致模型不足以表达目标特征，这种情况一般会出现训练时和预测时模型的准确率都比较低，解决方法是提高模型复杂度，如增加层数或调整模型结构等。

过拟合的原因主要是模型的复杂度太高（层数太多）导致模型的学习能力过强，把一些噪声也学进去了，这种情况一般会出现训练时模型的准确率很高，但预测时模型的准确率较低。解决方法是降低模型复杂度，如减少层数、调整模型结构、增加dropout层、正则化等。

model.eval()方法是将模型切换为预测模式，通常用于在模型训练完成后进行预测，在预测模式下模型的部分行为将和训练模式不一样，如预测模式下dropout层会失效等。