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’}