在 Keras 中，使用 `model.compile` 函数来配置模型的训练过程，其中包括选择优化器、设置损失函数和度量指标。下面是关于 `model.compile` 函数中损失函数的用法的介绍： 在 `model.compile` 函数中，损失函数可以指定为一个字符串、一个函数或一个 `tf.keras.losses.Loss` 类型的实例。常见的损失函数包括： - `mean_squared_error`：均方误差，适用于回归问题。 - `binary_crossentropy`：二元交叉熵，适用于二元分类问题。 - `categorical_crossentropy`：类别交叉熵，适用于多类分类问题。 - `sparse_categorical_crossentropy`：稀疏类别交叉熵，适用于标签以整数形式给出的多类分类问题。 下面是一个示例，展示如何在 `model.compile` 函数中使用损失函数： ```python from tensorflow.keras import losses from tensorflow.keras import optimizers from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense model=Sequential() model.add(Dense(units=64, activation='relu', input_dim=100)) model.add(Dense(units=10, activation='softmax')) model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy']) ``` 在此示例中，我们选择了 `categorical_crossentropy` 作为损失函数，并使用随机梯度下降（SGD）优化器。我们还为模型指定了一个指标，即分类准确率。