验证方法

如果需要配置自定义优化器的参数，或传入自定义的损失函数或指标函数。
自定义优化器参数可以通过向 optimizer 参数传入一个优化器类实例来实现；
自定义的损失函数或指标函数，可以通过向 loss 和 metrics 参数传入函数对象来实现。

配置优化器

from keras import optimizers

model.compile(optimizer=optimizers.RMSprop(1r=0.001),
              loss='binary_crossentropy',
              metrics=['accuracy'])

使用自定义的损失和指标

from keras import losses
from keras import metrics

model.compile(optimizer=optimizers.RMSprop(1r=0.001),
              loss=losses.binary_crossentropy,
              metrics=[metrics.binary_accuracy])

留出验证集

x_val = x_train[:10000]
partial_x_train = x_train[10000:]

y_val = y_train[:10000]
partial_y_train = y_train[10000:]

训练模型

model.compile(optimizer='rmsprop',
              loss='binary_crossentropy',
              metrics=['acc'])

history = model.fit(partial_x_train,
                    partial_y_train,
                    epochs=20,
                    batch_size=512,
                    validation_data=(x_val, y_val))

model.fit()返回一个 history 对象，此对象有一个成员 history，是一个字典，包含训练过程中所有数据。