在訓(xùn)練模型之前，我們需要通過compile來對學(xué)習(xí)過程進行配置，compile接收三個參數(shù)：優(yōu)化器optimizer，損失函數(shù)loss，指標(biāo)列表metrics。

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

其中：

optimizer：字符串(預(yù)定義優(yōu)化器名)或者優(yōu)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(yù)定義損失函數(shù)名)或目標(biāo)函數(shù)，模型試圖最小化的目標(biāo)函數(shù)，它可以是現(xiàn)有損失函數(shù)的字符串標(biāo)識符，如categorical_crossentropy或mse，也可以是一個目標(biāo)函數(shù)。詳見：losses。

metrics：列表，包含評估模型在訓(xùn)練和測試時的網(wǎng)絡(luò)性能的指標(biāo)，典型用法是metrics=[‘a(chǎn)ccuracy’]。評估標(biāo)準(zhǔn)可以是現(xiàn)有的標(biāo)準(zhǔn)的字符串標(biāo)識符，也可以是自定義的評估標(biāo)準(zhǔn)函數(shù)。

注意：

模型在使用前必須編譯，否則在調(diào)用fit或者evaluate時會拋出異常。

以上內(nèi)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(guān)知識，請關(guān)注IT培訓(xùn)機構(gòu):千鋒教育。