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” :