训练带池化层的深度 CNN 进行图像分类
带有池化层的 CNN 训练过程与您之前见过的深度网络非常相似。构建好网络（正如您在上一个练习中所做的）后，需要对模型进行合适的编译，然后提供训练数据，并设置控制拟合过程的其他参数。
工作区中已提供上一个练习得到的 model：
Convolution => Max pooling => Convolution => Flatten => Dense
本练习是课程的一部分
使用 Keras 进行图像建模
练习说明
- 将该模型编译为使用分类交叉熵损失函数和 Adam 优化器。
- 使用批量大小为 10，训练 3 个 epoch。
- 使用 20% 的数据作为验证集。
- 在
test_data与test_labels上评估模型（批量大小同样为 10）。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Compile the model
____
# Fit to training data
____
# Evaluate on test data
____