一个简单的keras的模型创建,编译与优化器

import tensorflow as tf
import tensorflow.keras.layers as layers
import tensorflow.keras.optimizer as optimizer
#神经网络的模型构建
model=tf.keras.Sequential()
model.add(layers.Dense(256,activation="relu"))
model.add(layers.Dense(128,activation="relu"))
model.add(layers.Dense(2,activation="softmax"))
#神经网络的模型编译
#必须要填写损失函数,优化器,评价指标
model.compile(loss="sparse_categorical",optimizer=optimizer.Adam(0.01),metrics=["accuracy"])
#训练,参数没填
model.fit(x,y,batch_size=32,epochs,verbose=1,validation_split,validation_data,shuffle,step_per_epoch)

fit参数列表
batch_size	训练的批大小,可以理解为并行训练数量
epochs	正反训练次数
verbose	是否显示进度条,0为不显示
validation_split	验证集所占训练集比例
validation_data	验证集
shufflw	是否随机打乱
step_per_epoch	每个epoch训练的步数