語法結構：model.compile(loss='目標函數', optimizer=optimizer, metrics=['accuracy'])
1.目標函數，也叫損失函數，是網絡中的性能函數，它是一個模型必備的兩個參數之一。
目標函數由mse、mae、mape、msle、squared_hinge、hinge、binary_crossentropy、categorical_crossentrop、sparse_categorical_crossentrop等
詳述其中mse、categorical_crossentrop、sparse_categorical_crossentrop
- mse：均方根誤差
- categorical_crossentropy：亦稱作多類的對數損失，注意使用該目標函數時，需要將標簽轉化為形如
(nb_samples, nb_classes)的二值序列 -
sparse_categorical_crossentrop：如上，但接受稀疏標簽。注意，使用該函數時仍然需要你的標簽與輸出值的維度相同，你可能需要在標簽數據上增加一個維度：
np.expand_dims(y,-1)
詳細參數參考：https://www.cnblogs.com/smuxiaolei/p/8662177.html