順序模型api

compile:配置模型，然後進行訓練

compile(optimizer, loss=none, metrics=none, loss_weights=none, sample_weight_mode=none, weighted_metrics=none, target_tensors=none)

引數說明：

optimizer: 優化器

loss:如果模型有多個輸出，則可以通過傳遞字典或損失列表輸出每個不同輸出的損失。模型將最小化損失值然後計算所有單個損失的總和。

metrics:可以使用metrics=['

accuracy

']指定輸出級別，對於多個輸出模型，可以指定每個輸出模型的輸出級別，如。

loss_weights:對不同模型輸出的損失進行加權可以用列表或字典作為標量係數(python浮點數)，模型將所有單個損失最小化後再通過損耗加權係數加權，再求和，計算出加權和，如果是乙個列表，則它與模型的輸出應該有1:1的對映。如果是張量，需要將輸出名稱(字串)對映到標量係數。

sample_weight_mode:如果需要進行時間步進取樣加權（二維權重），請將其設定為「temporal」。none 代表預設為樣本權重（1d）。如果模型有多個輸出，您可以通過傳遞字典或模式列表，在每個輸出上使用不同的樣本權重模式。

weighted_metrics: 在訓練和測試過程中，sample_weight 或者 class_weight進行評估和加權的指標列表。

target_tensors:預設情況下，keras將為目標模型建立佔位符，在培訓期間將向這些佔位符提供目標資料。如果您希望使用自己的目標張量（keras在訓練時不會要求額外的numpy資料），可以通過目標張量引數指定，

。它可以是單個張量（對於單個輸出模型）、張量列表或乙個字典（name:target_tensors）。

**kwargs:當使用theano/cntk 後端時, 這個引數被傳遞到 k.function. 當使用 tensorflow 後端時, 這個引數被傳到 tf.session.run.