train_on_batch 代码demo

以下是train_on_batch方法的代码示例：

import tensorflow as tf

# 定义模型
model = tf.keras.models.Sequential([
    tf.keras.layers.Dense(10, activation='relu', input_shape=(4,)),
    tf.keras.layers.Dense(3, activation='softmax')
])

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

# 准备数据
import numpy as np
x_train = np.random.rand(100, 4)
y_train = np.random.randint(0, 3, (100,))

# 将标签转换为独热编码
y_train = tf.keras.utils.to_categorical(y_train, num_classes=3)

# 训练模型
model.train_on_batch(x_train, y_train)

在此示例中，我们首先定义了一个具有两个Dense层的Sequential模型。然后，我们使用compile方法来配置训练过程。我们使用categorical_crossentropy作为损失函数，使用adam优化器进行训练，并跟踪模型的准确性指标。

接下来，我们生成100个随机样本作为训练数据，并将标签转换为独热编码。最后，我们使用train_on_batch方法来训练模型。这个方法接受训练数据和标签作为参数，并返回损失和指标的值。我们可以多次调用train_on_batch方法来进行多次训练，或者使用fit方法来进行完整的训练。