在訓練模型之前，我們需要通過compile來對學習過程進行配置，compile接收三個參數：優化器optimizer，損失函數loss，指標列表metrics。
compile(self,optimizer,loss,metrics=None,sample_weight_mode=None)
其中：
optimizer：字符串(預定義優化器名)或者優化器對象，，如rmsprop或adagrad，也可以是Optimizer類的實例。詳見：optimizers。
loss：字符串(預定義損失函數名)或目標函數，模型試圖最小化的目標函數，它可以是現有損失函數的字符串標識符，如categorical_crossentropy或mse，也可以是一個目標函數。詳見：losses。
metrics：列表，包含評估模型在訓練和測試時的網絡性能的指標，典型用法是metrics=[‘accuracy’]。評估標準可以是現有的標準的字符串標識符，也可以是自定義的評估標準函數。
注意：
模型在使用前必須編譯，否則在調用fit或者evaluate時會拋出異常。
以上內容為大家介紹了Python增強，希望對大家有所幫助，如果想要了解更多Python相關知識，請關注IT培訓機構:千鋒教育。
京公網安備 11010802030320號