Keras中怎么训练和评估模型

在Keras中，通常使用model.compile()方法来编译模型，然后使用model.fit()方法来训练模型，最后使用model.evaluate()方法来评估模型。

下面是一个简单的示例代码，演示如何在Keras中训练和评估模型：

from keras.models import Sequential from keras.layers import Dense  # 创建一个简单的Sequential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(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])  # 训练模型 model.fit(X_train, y_train, epochs=10, batch_size=32)  # 评估模型 loss, accuracy = model.evaluate(X_test, y_test) print('Test loss:', loss) print('Test accuracy:', accuracy) 

在上面的示例中，首先创建了一个简单的Sequential模型，然后使用model.compile()方法编译模型，指定了损失函数、优化器和评估指标。接着使用model.fit()方法训练模型，并传入训练数据和标签。最后使用model.evaluate()方法评估模型，并打印出测试集上的损失和准确率。