一、引入:反向传播算法
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200212222627262.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNzQyNTkw,size_16,color_FFFFFF,t_70)
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200212222757928.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNzQyNTkw,size_16,color_FFFFFF,t_70)
二、优化器optimizer
使用方法:
1、实例化优化器对象并将其传入model.compile()
optimizer='adam'
2、通过名称调用优化器
optimizer=tf.keras.optimizers.Adam(learning_rate=0.001)
常见的优化函数:
SGD:随机梯度下降优化器,通过抽取m个独立同分布样本,计算平均梯度值。
RMSProp:常用于处理序列问题
Adam:修正后的Momentum+RMSProp算法,鲁棒性强,学习率建议率为0.001
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200212223615774.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNzQyNTkw,size_16,color_FFFFFF,t_70)