sparse_categorical_crossentropy代码举例

下面是使用Keras API中的sparse_categorical_crossentropy的示例代码：

import numpy as np
from keras.models import Sequential
from keras.layers import Dense

# 创建模型
model = Sequential()
model.add(Dense(10, input_shape=(5,), activation='relu'))
model.add(Dense(5, activation='softmax'))

# 编译模型
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

# 创建数据集
X_train = np.random.rand(100, 5)
y_train = np.random.randint(0, 5, size=(100,))

# 训练模型
model.fit(X_train, y_train, epochs=10, batch_size=32, validation_split=0.2)

在上面的代码中，我们使用了Keras API来创建一个具有两个隐藏层的神经网络模型，其中第一个隐藏层包含10个节点，激活函数为ReLU，第二个隐藏层包含5个节点，激活函数为softmax。

在编译模型时，我们使用了sparse_categorical_crossentropy作为损失函数，并使用adam优化器进行优化。我们还将准确度作为指标来评估模型的性能。

最后，我们使用随机生成的数据集来训练模型，并将其拆分为80%的训练集和20%的验证集。我们训练模型10个时期，每个批次使用32个样本进行训练。