model.compile()函数配置(优化器, 损失函数, 准确率)

https://blog.csdn.net/Fwuyi/article/details/123213437

深度学习模型在喂数据进行训练前常会用到compile函数进行训练时所使用优化器、损失函数等的配置 。

1.model.compile() 作用

设置优化器、损失函数和准确率评测标准。

2.model.compile() 语法

形式1：

model.compile(optimizer = tf.keras.optimizers.优化器(参数)，
loss = tf.keras.losses.损失函数(参数)，
metrics = [“sparse_accuracy”])

形式2（常用）：

model.compile(optimizer = “sgd”，
loss = “mse”，
metrics = [“sparse_accuracy”])

3.参数设置

3.1 optimizer：预定义优化器名或优化器对象。

(1).“sgd” 或者 tf.optimizers.SGD(lr = 学习率， decay = 学习率衰减率，momentum = 动量参数）

(2).“adagrad” 或者 tf.keras.optimizers.Adagrad(lr = 学习率， decay = 学习率衰减率）

(3).“adadelta” 或者 tf.keras.optimizers.Adadelta(lr = 学习率，decay = 学习率衰减率）

(4).“adam” 或者 tf.keras.optimizers.Adam(lr = 学习率， decay = 学习率衰减率）

3.2 loss：预定义损失函数名或一个目标函数。

(1).“mse” 或者 “mean squared error” 或者 tf.keras.losses.MeanSquaredError()

(2).“sparse_categorical_crossentropy” 或 tf.keras.losses.SparseCatagoricalCrossentropy(from_logits = False)

3.3 Metrics：评估模型在训练和测试时的性能的指标。

(1).“accuracy” :

(2).“sparse_accuracy":

(3).“sparse_categorical_accuracy” :