Keras中常见的优化器包括：
SGD（随机梯度下降）：基本的梯度下降优化器，通过计算每个样本的梯度来更新模型参数。
Adam：结合了动量优化和自适应学习率的方法，通常是训练神经网络时的首选优化器。
RMSprop：通过使用指数加权移动平均来调整学习率，可以在不同维度上适应不同的学习率。
Adagrad：根据每个参数的历史梯度调整学习率，适合稀疏数据集。
Adadelta：与Adagrad相似，但可以自适应调整学习率。
这些优化器之间的区别主要在于它们对学习率的调整方法和梯度更新的方式。不同的优化器可能在不同类型的数据集或神经网络结构上表现更好。在实际使用中，建议尝试不同的优化器并根据实际效果选择合适的优化器。
