编译 Keras 模型

前面部分中构建的模型需要使用model.compile() 方法进行编译，然后才能用于训练和预测。 compile() 方法的完整签名如下：

compile(self, optimizer, loss, metrics=None, sample_weight_mode=None)

compile 方法有三个参数：

• optimizer：您可以指定自己的函数或 Keras 提供的函数之一。此函数用于更新优化迭代中的参数。 Keras 提供以下内置优化器函数：

  • SGD
  • RMSprop
  • Adagrad
  • Adadelta
  • Adam
  • Adamax
  • Nadam

• loss：您可以指定自己的损失函数或使用提供的损失函数之一。优化器函数优化参数，以便最小化此损失函数的输出。 Keras 提供以下损失函数：

  • mean_squared_error
  • mean_absolute_error
  • mean_absolute_pecentage_error
  • mean_squared_logarithmic_error
  • squared_hinge
  • hinge
  • categorical_hinge
  • sparse_categorical_crossentropy
  • binary_crossentropy
  • poisson
  • cosine proximity
  • binary_accuracy
  • categorical_accuracy
  • sparse_categorical_accuracy
  • top_k_categorical_accuracy
  • sparse_top_k_categorical_accuracy
• metrics：第三个参数是训练模型时需要收集的指标列表。如果启用了详细输出，则会为每次迭代打印度量标准。指标就像损失函数；一些由 Keras 提供，能够编写您自己的度量函数。所有损失函数也可用作度量函数。