在 Keras 中，使用 `
model.
compile`
函数来
配置模型的训练过程，其中包括选择
优化器、设置
损失函数和度量指标。下面是关于 `
model.
compile`
函数中
损失函数的用法的介绍：
在 `
model.
compile`
函数中，
损失函数可以指定为一个字符串、一个
函数或一个 `tf.keras.losses.Loss` 类型的实例。常见的
损失函数包括：
- `mean_squared_error`：均方误差，适用于回归问题。
- `binary_crossentropy`：二元交叉熵，适用于二元分类问题。
- `categorical_crossentropy`：类别交叉熵，适用于多类分类问题。
- `sparse_categorical_crossentropy`：稀疏类别交叉熵，适用于标签以整数形式给出的多类分类问题。
下面是一个示例，展示如何在 `
model.
compile`
函数中使用
损失函数：
```
python
from tensorflow.keras import losses
from tensorflow.keras import
optimizers
from tensorflow.keras.
models import Sequential
from tensorflow.keras.layers import Dense
model=Sequential()
model.add(Dense(units=64, activation='relu', input_dim=100))
model.add(Dense(units=10, activation='softmax'))
model.
compile(loss='categorical_crossentropy',
optimizer='sgd',
metrics=['accuracy'])
```
在此示例中，我们选择了 `categorical_crossentropy` 作为
损失函数，并使用随机梯度下降（SGD）
优化器。我们还为
模型指定了一个指标，即分类
准确率。
在线咨询