Keras 提供了多种优化器来调整神经网络的权重，以最小化损失函数。以下是一些常用的优化器及其特点。
常用优化器
- SGD (Stochastic Gradient Descent): 随机梯度下降是最简单也是最常用的优化器之一。它通过计算损失函数的梯度来更新权重。
- RMSprop: RMSprop 是一种自适应学习率的优化器，它通过维护一个梯度的平方的指数衰减平均来调整学习率。
- Adam: Adam 是一种结合了动量和自适应学习率的优化器，通常在深度学习中表现良好。
使用示例
以下是一个使用 Adam 优化器的示例：
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
扩展阅读
想要了解更多关于 Keras 优化的信息，可以参考 Keras 官方文档。
图片示例
中心对齐的图片示例：