在训练模型之前，我们需要通过compile来对学习过程进行配置，compile接收三个参数：优化器optimizer，损失函数loss，指标列表metrics。

compile(self,optimizer,loss,metrics=None,sample_weight_mode=None)

其中：

optimizer：字符串(预定义优化器名)或者优化器对象，，如rmsprop或adagrad，也可以是Optimizer类的实例。详见：optimizers。

loss：字符串(预定义损失函数名)或目标函数，模型试图最小化的目标函数，它可以是现有损失函数的字符串标识符，如categorical_crossentropy或mse，也可以是一个目标函数。详见：losses。

metrics：列表，包含评估模型在训练和测试时的网络性能的指标，典型用法是metrics=[‘accuracy’]。评估标准可以是现有的标准的字符串标识符，也可以是自定义的评估标准函数。

注意：

模型在使用前必须编译，否则在调用fit或者evaluate时会抛出异常。

以上内容为大家介绍了Python增强，希望对大家有所帮助，如果想要了解更多Python相关知识，请关注IT培训机构:千锋教育。