如何在Keras中编译模型

要在Keras中编译模型，可以使用模型对象的compile()方法。在compile()方法中，可以指定优化器（optimizer）、损失函数（loss function）和评价指标（metrics）。

以下是一个编译模型的示例代码：

from keras.models import Sequential from keras.layers import Dense  # 创建一个简单的全连接神经网络模型 model = Sequential() model.add(Dense(units=64, activation='relu', input_dim=100)) model.add(Dense(units=10, activation='softmax'))  # 编译模型 model.compile(optimizer='adam',               loss='categorical_crossentropy',               metrics=['accuracy']) 

在上面的代码中，我们首先创建了一个简单的全连接神经网络模型，然后使用compile()方法编译了模型。在compile()方法中，我们指定了优化器为Adam，损失函数为交叉熵（categorical_crossentropy），评价指标为准确率（accuracy）。

一旦模型编译完成，就可以使用fit()方法来训练模型。