要在Keras中編譯模型,可以使用模型對象的compile()方法。在compile()方法中,可以指定優(yōu)化器(optimizer)、損失函數(shù)(loss function)和評價指標(metrics)。
以下是一個編譯模型的示例代碼:
from keras.models import Sequential
from keras.layers import Dense
# 創(chuàng)建一個簡單的全連接神經(jīng)網(wǎng)絡模型
model = Sequential()
model.add(Dense(units=64, activation='relu', input_dim=100))
model.add(Dense(units=10, activation='softmax'))
# 編譯模型
model.compile(optimizer='adam',
loss='categorical_crossentropy',
metrics=['accuracy'])
在上面的代碼中,我們首先創(chuàng)建了一個簡單的全連接神經(jīng)網(wǎng)絡模型,然后使用compile()方法編譯了模型。在compile()方法中,我們指定了優(yōu)化器為Adam,損失函數(shù)為交叉熵(categorical_crossentropy),評價指標為準確率(accuracy)。
一旦模型編譯完成,就可以使用fit()方法來訓練模型。