在定義好模型之後，需要進一步對神經網路進行訓練，此時就需要來對訓練方式進行定義，定義語句如下：
定義訓練方式
model.compile(loss=『categorical_crossentropy, optimizer=『adam』, metrics=[『accuracy』]』)
其中引數的設定具體如下：
loss:損失函式的設定，在深度學習中使用cross_entropy訓練效果會比較好點
optimizer:優化器的設定，在深度學習中使用adam可以讓訓練更快收斂，並提高準確率
metrics:設定評估模型的方式，目前見的最多的是accuracy
開始訓練
train_history=model.fit(x_train, y_train_，validation_split=, epoch=, batch_size=, verbose=)
validation_split= 訓練資料與驗證資料分割比例
epoch 訓練週期
batch_size 每一批執行資料個數
verbose=2 顯示訓練過程
神經網路 keras中的層
core highway層 highway層建立全連線的highway網路，這是lstm在前饋神經網路中的推廣 convolution separableconvolution2d層 該層是對2d輸入的可分離卷積。可分離卷積首先按深度方向進行卷積 對每個輸入通道分別卷積 然後逐點進行卷積，將上一步的...
Keras學習筆記02 常用的網路層
在搭建神經網路結構時，我們要向網路中新增一些網路層，下面列舉出來常用的網路層及其相關用法。常用層對應於core模組，core內部定義了一系列常用的網路層，包括全連線 啟用層等。1.dense層 dense層 全連線層。keras.layers.core.dense output dim,init g...
Keras新增網路層的N種方法
使用keras搭神經網路久了，想整理一下keras新增網路層的n種方法，以防日後忘記。本文以mnist手寫資料為例，神經網路結構使用lenet講解。以下是模組的匯入，資料的載入，資料的預處理。import keras from keras.datasets import mnist from ker...