Machine learning Keras model.fit（）-使用哪种训练算法？

我在Theano上使用Keras来创建一个MLP，我训练并使用它来预测时间序列。独立于网络的结构和深度，我无法确定（Keras文档、StackOverflow、搜索网络…）Keras的

model.fit（）函数使用的是哪种训练算法（反向传播…）
在Theano（以前没有使用Keras）中，我可以定义自己调整参数的方式

self.train\u step=theano.function（输入=[u\u in，t\u in，lrate]，输出=[cost，y]，
在“未使用的”输入上class='warn'，
updates=[（p，p-lrate*g）用于zip中的p，g（self.parameters，self.gradients）]，
允许\u输入\u向下广播=真）


找不到任何信息会让人担心我遗漏了一些重要信息，这可能是一个完全愚蠢的问题。


有人能帮我吗？事先非常感谢。
请看以下示例：

model.fit不使用算法来预测结果，而是使用您描述的模型。然后在model.compile中指定优化算法

e、 g

您可以在此处找到有关可用优化程序的更多信息：
这取决于优化程序。也许看一看？您提供的无更新规则应等同于SGD（动量=0，nesterov=False）

。在keras中，训练算法和损失函数在“model.compile”方法中进行了调整。谢谢大家。关于这个话题，我发现了一篇文章，可以推荐：

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