模型编译，确定训练流程
构建好模型后，通过调用compile配置该模型的学习流程：
compile( optimizer='rmsprop', loss=None, metrics=None, loss_weights=None):
optimizer：优化器；
loss：损失函数，对于二分类任务就是交叉熵，回归任务就是 mse 之类的；
metrics：在训练和测试期间的模型评估标准。比如 metrics = ['accuracy']。 指定不同的评估标准，需要传递一个字典，如 metrics = {'output_a'：'accuracy'}。
loss_weights: 如果的模型有多个任务输出，在优化全局loss的时候，需要给每个输出指定相应的权重。
代码：
model = tf.keras.Sequential()
model.add(layers.Dense(10, activation='softmax'))
确定优化器（optimizer）、损失函数（loss）、模型评估方法（metrics）
model.compile(optimizer=tf.keras.optimizers.Adam(0.001),
loss=tf.keras.losses.categorical_crossentropy,
metrics=[tf.keras.metrics.categorical_accuracy])
