keras： model.compile ()

model.compile (optimizer=Adam(lr=1e-4), loss=’binary_crossentropy’, metrics=[‘accuracy’])

功能：编译创建好的模型，网络模型搭建完后，需要对网络的学习过程进行配置，否则在调用 fit 或 evaluate 时会抛出异常。可以使用 

用法举例：

model.compile(optimizer='rmsprop',
              loss='categorical_crossentropy',
              metrics=['accuracy'])

该参数可指定为已预定义的优化器名，如Adam，rmsprop(root mean square prop）、adagrad等优化器，

参数：

optimizer：参数

• lr：大或等于0的浮点数，学习率

• momentum：大或等于0的浮点数，动量参数

• decay：大或等于0的浮点数，每次更新后的学习率衰减值

• nesterov：布尔值，确定是否使用Nesterov动量

loss：计算损失，这里用的是交叉熵损失

metrics: 列表，包含评估模型在训练和测试时的性能的指标，典型用法是metrics=[‘accuracy’]。如果要在多输出模型中为不同的输出指定不同的指标，可向该参数传递一个字典，例如metrics={‘output_a’: ‘accuracy’}