关键词

keras model.compile 的使用

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

 

本文链接:http://task.lmcjl.com/news/12843.html

展开阅读全文