Python tf.keras.Sequential.compile用法及代码示例

参数

• optimizer 字符串(优化器名称)或优化器实例。见tf.keras.optimizers。
• loss 损失函数。可能是一个字符串(损失函数的名称)，或者一个 tf.keras.losses.Loss 实例。请参阅tf.keras.losses。损失函数是任何带有签名 loss = fn(y_true, y_pred) 的可调用函数，其中 y_true 是真实值，而 y_pred 是模型的预测。 y_true 应该具有形状 (batch_size, d0, .. dN) (在稀疏损失函数的情况下，例如稀疏分类交叉熵，它需要形状为 (batch_size, d0, .. dN-1) 的整数数组)。 y_pred 应该具有形状 (batch_size, d0, .. dN) 。损失函数应该返回一个浮点张量。如果使用自定义 Loss 实例并将缩减设置为 None ，则返回值具有形状 (batch_size, d0, .. dN-1) 即 per-sample 或 per-timestep 损失值；否则，它是一个标量。如果模型有多个输出，您可以通过传递字典或损失列表对每个输出使用不同的损失。除非指定了loss_weights，否则模型将最小化的损失值将是所有单个损失的总和。
• metrics 模型在训练和测试期间要评估的指标列表。每个都可以是字符串(内置函数的名称)、函数或tf.keras.metrics.Metric 实例。请参阅tf.keras.metrics。通常，您将使用 metrics=['accuracy'] 。函数是任何带有签名 result = fn(y_true, y_pred) 的可调用函数。要为 multi-output 模型的不同输出指定不同的指标，您还可以传递字典，例如 metrics={'output_a':'accuracy', 'output_b':['accuracy', 'mse']} 。您还可以传递一个列表来为每个输出指定一个指标或指标列表，例如 metrics=[['accuracy'], ['accuracy', 'mse']] 或 metrics=['accuracy', ['accuracy', 'mse']] 。当您传递字符串 'accuracy' 或 'acc' 时，我们会根据使用的损失函数和模型输出形状将其转换为 tf.keras.metrics.BinaryAccuracy 、 tf.keras.metrics.CategoricalAccuracy 、 tf.keras.metrics.SparseCategoricalAccuracy 之一。我们也对字符串'crossentropy' 和'ce' 进行类似的转换。
• loss_weights 可选的列表或字典，指定标量系数(Python 浮点数)以加权不同模型输出的损失贡献。模型将最小化的损失值将是加权和所有个人损失，加权loss_weights系数。如果是列表，则预计与模型的输出有 1:1 的映射关系。如果是 dict，则应将输出名称(字符串)映射到标量系数。
• weighted_metrics 在训练和测试期间由sample_weight 或class_weight 评估和加权的指标列表。
• run_eagerly 布尔。默认为 False 。如果 True ，这个 Model 的逻辑将不会被包装在 tf.function 中。建议将其保留为 None ，除非您的 Model 不能在 tf.function 内运行。使用 tf.distribute.experimental.ParameterServerStrategy 时不支持 run_eagerly=True 。
• steps_per_execution Int. 默认为 1。每次 tf.function 调用期间要运行的批次数。在单个 tf.function 调用中运行多个批处理可以极大地提高 TPU 或具有大量 Python 开销的小型模型的性能。每次执行最多将运行一个完整的 epoch。如果传递的数字大于 epoch 的大小，则执行将被截断为 epoch 的大小。请注意，如果 steps_per_execution 设置为 N ，则 Callback.on_batch_begin 和 Callback.on_batch_end 方法将仅在每个 N 批次(即在每个 tf.function 执行之前/之后)调用。
• jit_compile 如果True，用 XLA 编译模型训练步骤。XLA是机器学习的优化编译器。jit_compile默认情况下未启用。此选项无法启用run_eagerly=True.注意jit_compile=True不一定适用于所有型号。有关支持的操作的更多信息，请参阅XLA 文档.另请参阅已知的 XLA 问题更多细节。
• **kwargs 仅支持向后兼容的参数。