我想你体验过过度训练的影响。从这个问题和这篇论文：

由于在隐藏层中具有足够数量的神经元的神经网络可以精确地实现任意训练集，因此它可以学习研究的依赖关系和会降低网络预测能力的噪声。

因此，在您的情况下，您增加了隐藏层中的节点数量 - 现在，您的训练集导致过度训练。你的神经网络现在更倾向于复制训练数据集中的数据，而不是“对现实的预测”。这导致测试数据集的停滞（甚至质量下降）。

没有细节很难给出更多建议。但我至少建议：

• 将样本以不同的方式划分为训练和测试数据集
• 在功能方面玩模型本身
• 玩一个训练算法