keras model.compile 的使用
语法结构：model.compile(loss='目标函数', optimizer=optimizer, metrics=['accuracy'])
1.目标函数，也叫损失函数，是网络中的性能函数，它是一个模型必备的两个参数之一。
目标函数由mse、mae、mape、msle、squared_hinge、hinge、binary_crossentropy、categorical_crossentrop、sparse_categorical_crossentrop等
详述其中mse、categorical_crossentrop、sparse_categorical_crossentrop
- mse：均方根误差
- categorical_crossentropy：亦称作多类的对数损失，注意使用该目标函数时，需要将标签转化为形如
(nb_samples, nb_classes)的二值序列 sparse_categorical_crossentrop：如上，但接受稀疏标签。注意，使用该函数时仍然需要你的标签与输出值的维度相同，你可能需要在标签数据上增加一个维度：
np.expand_dims(y,-1)
详细参数参考：https://www.cnblogs.com/smuxiaolei/p/8662177.html