简单粗暴的tensorflow-Keras Pipeline

# Keras Pipeline 
model = tf.keras.models.Sequential([        #模型定义
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(100, activation=tf.nn.relu),
    tf.keras.layers.Dense(10),
    tf.keras.layers.Softmax()
])
# 模型配置
model.compile(  
    optimizer=tf.keras.optimizers.Adam(learning_rate=0.001),    #优化器
    loss=tf.keras.losses.sparse_categorical_crossentropy,       #损失函数
    metrics=[tf.keras.metrics.sparse_categorical_accuracy]      #评估函数
)
#模型训练
model.fit(data_loader.train_data, data_loader.train_label, epochs=num_epochs, batch_size=batch_size)#训练数据、目标数据、迭代次数、批次大小、验证数据（检测模型性能）
#模型评估   
print(model.evaluate(data_loader.test_data, data_loader.test_label))