Python-标准神经网路DNN第三篇

和之前比较不一样的是我们还要做 compile 才正式把我们的神经网路建好。你可以发现我们还需要做几件事:

1.决定使用的 loss function, 一般是 mse
2.决定 optimizer, 我们用标准的 SGD
3.设 learning rate
4.为了一边训练一边看到结果, 我们加设 metrics=['accuracy']
本行基本上和我们的神经网路功能没有什么关系。

model.compile(loss='mse', optimizer=SGD(lr=0.1), metrics=['accuracy'])

檢視我們的神經網路
 

我们可以检视我们神经网路的架构, 可以确认一下是不是和我们想像的一样。

看 model 的 summary

model.summary()

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense_1 (Dense)              (None, 500)               392500    
_________________________________________________________________
activation_1 (Activation)    (None, 500)               0         
_________________________________________________________________
dense_2 (Dense)              (None, 500)               250500    
_________________________________________________________________
activation_2 (Activation)    (None, 500)               0         
_________________________________________________________________
dense_3 (Dense)              (None, 10)                5010      
_________________________________________________________________
activation_3 (Activation)    (None, 10)                0         
====&#