训练 CNN 以分类服装类型
在训练神经网络之前，需要先使用合适的代价函数和优化器进行编译。在编译过程中，您也可以定义评估指标，网络会在每个 epoch 计算并报告这些指标。拟合模型时，需要向网络提供训练数据集及其对应的训练标签。
您在上一个练习中构建的 Conv2D model 已在工作区中可用。
本练习是课程的一部分
使用 Keras 进行图像建模
练习说明
- 使用
'adam'优化器和'categorical_crossentropy'代价函数编译网络。在 metrics 列表中设置网络报告'accuracy'。 - 在
train_data和train_labels上拟合网络。训练 3 个 epoch，批量大小为 10 张图像。训练时，使用validation_split关键字参数将 20% 的数据留作验证集。
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
model.compile(optimizer=____,
loss=____,
metrics=[____])
# Fit the model on a training set
model.fit(____, ____,
validation_split=____,
epochs=____, batch_size=____)