我使用Keras和Theano来创建一个多层感知器（MLP），用于训练和预测时间序列。无论我的网络结构和深度如何，我都无法找到（通过查阅Keras文档、StackOverflow、网络搜索等）Keras的model.fit()函数使用的是哪种训练算法（如反向传播等）。

在之前使用Theano（不使用Keras）时，我可以自己定义参数调整的方式，如下所示：

self.train_step = theano.function(inputs=[u_in, t_in, lrate], outputs=[cost, y],                                      on_unused_input='warn',                                      updates=[(p, p - lrate * g) for p, g in zip(self.parameters, self.gradients)],                                      allow_input_downcast=True)

找不到任何相关信息让我感到有些不安，担心自己错过了某些关键点，这可能是个非常愚蠢的问题。

能有人帮我解答吗？非常感谢！

回答：

请看这个例子 这里：

...model = Sequential()model.add(Conv2D(32, kernel_size=(3, 3),                 activation='relu',                 input_shape=input_shape))model.add(Conv2D(64, (3, 3), activation='relu'))model.add(MaxPooling2D(pool_size=(2, 2)))model.add(Dropout(0.25))model.add(Flatten())model.add(Dense(128, activation='relu'))model.add(Dropout(0.5))model.add(Dense(num_classes, activation='softmax'))model.compile(loss=keras.losses.categorical_crossentropy,              optimizer=keras.optimizers.Adadelta(),              metrics=['accuracy'])model.fit(x_train, y_train,          batch_size=batch_size,          epochs=epochs,          verbose=1,          validation_data=(x_test, y_test))score = model.evaluate(x_test, y_test, verbose=0)...

model.fit 并不使用算法来预测结果，而是使用你描述的模型。优化算法则在model.compile中指定

例如：

model.compile(loss=keras.losses.categorical_crossentropy,          optimizer=**keras.optimizers.Adadelta()**,          metrics=['accuracy'])

你可以在这里了解更多关于可用的优化器： https://keras.io/optimizers/