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。