语法结构:model.compile(loss='目标函数', optimizer=optimizer, metrics=['accuracy'])
1.目标函数,也叫损失函数,是网络中的性能函数,它是一个模型必备的两个参数之一。
目标函数由mse、mae、mape、msle、squared_hinge、hinge、binary_crossentropy、categorical_crossentrop、sparse_categorical_crossentrop等
详述其中mse、categorical_crossentrop、sparse_categorical_crossentrop
- mse:均方根误差
- categorical_crossentropy:亦称作多类的对数损失,注意使用该目标函数时,需要将标签转化为形如
(nb_samples, nb_classes)
的二值序列 -
sparse_categorical_crossentrop:如上,但接受稀疏标签。注意,使用该函数时仍然需要你的标签与输出值的维度相同,你可能需要在标签数据上增加一个维度:
np.expand_dims(y,-1)
详细参数参考:https://www.cnblogs.com/smuxiaolei/p/8662177.html
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:keras model.compile 的使用 - Python技术站