使用 Keras 进行训练
在本练习中，我们回到手语字母分类问题。我们有 2000 张包含 4 个字母（A、B、C、D）的图像，目标是以较高准确率完成分类。您将完成整个流程，包括模型定义、编译和训练。
注意：keras 已从 tensorflow 导入供您使用。此外，特征已提供为 sign_language_features，目标（标签）已提供为 sign_language_labels。
本练习是课程的一部分
Python 中的 TensorFlow 入门
练习说明
- 定义一个名为
model的序贯模型。 - 将输出层设置为全连接层，包含 4 个节点，并使用
softmax激活函数。 - 使用
SGD优化器和categorical_crossentropy损失来编译模型。 - 完成拟合操作，并将训练轮数设为 5。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Define a sequential model
____
# Define a hidden layer
model.add(keras.layers.Dense(16, activation='relu', input_shape=(784,)))
# Define the output layer
____
# Compile the model
model.compile('____', loss='____')
# Complete the fitting operation
model.fit(____, ____, epochs=____)