# 編譯 Keras 模型 前面部分中構建的模型需要使用`model.compile()` 方法進行編譯，然后才能用于訓練和預測。 `compile()` 方法的完整簽名如下： ```py compile(self, optimizer, loss, metrics=None, sample_weight_mode=None) ``` compile 方法有三個參數： * `optimizer`：您可以指定自己的函數或 Keras 提供的函數之一。此函數用于更新優化迭代中的參數。 Keras 提供以下內置優化器函數： * `SGD` * `RMSprop` * `Adagrad` * `Adadelta` * `Adam` * `Adamax` * `Nadam` * `loss`：您可以指定自己的損失函數或使用提供的損失函數之一。優化器函數優化參數，以便最小化此損失函數的輸出。 Keras 提供以下損失函數： * `mean_squared_error` * `mean_absolute_error` * `mean_absolute_pecentage_error` * `mean_squared_logarithmic_error` * `squared_hinge` * `hinge` * `categorical_hinge` * `sparse_categorical_crossentropy` * `binary_crossentropy` * `poisson` * `cosine proximity` * ``binary_accuracy`` * `categorical_accuracy` * `sparse_categorical_accuracy` * `top_k_categorical_accuracy` * `sparse_top_k_categorical_accuracy` * `metrics`：第三個參數是訓練模型時需要收集的指標列表。如果啟用了詳細輸出，則會為每次迭代打印度量標準。指標就像損失函數；一些由 Keras 提供，能夠編寫您自己的度量函數。所有損失函數也可用作度量函數。