tensorflow 中fit函数的使用：

源码：也就是说训练集 和测试集可以有为空的情况。

fit(
    x=None,
    y=None,
    batch_size=None,
    epochs=1,
    verbose='auto',
    callbacks=None,
    validation_split=0.0,
    validation_data=None,
    shuffle=True,
    class_weight=None,
    sample_weight=None,
    initial_epoch=0,
    steps_per_epoch=None,
    validation_steps=None,
    validation_batch_size=None,
    validation_freq=1,
    max_queue_size=10,
    workers=1,
    use_multiprocessing=False
)

参数：

• x：输入
• y：输出
• batch_size：输入多少样本呢整数；每次梯度更新的样本数。未指定，默认为32
• epochs：整数训练模型迭代次数
• verbose：日志展示，整数；0:为不在标准输出流输出日志信息1:显示进度条2:每个epoch输出一行记录
• callbacks：其中的元素是keras.callbacks.Callback的对象。这个list中的回调函数将会在训练过程中的适当时机被调用，参考回调函数；
• validation_split：浮点数0-1之间 ；表示验证集的比例；用作验证集的训练数据的比例。模型将分出一部分不会被训练的验证数据，并将在每一轮结束时评估这些验证数据的误差和任何其他模型指标。验 证 数 据 是 混 洗 之 前 x 和 y 数 据 的 最 后 一 部 分 样 本 中 。 \color{red}{ 验证数据是混洗之前 x 和y 数据的最后一部分样本中。}验证数据是混洗之前x和y数据的最后一部分样本中。
• validation_data：元组 (x_val，y_val) 或元组 (x_val，y_val，val_sample_weights)， 用来评估损失，以及在每轮结束时的任何模型度量指标。模型将不会在这个数据上进行训练。这个参数会覆盖 validation_split。
• shuffle：布尔值；是否在每轮迭代之前混洗数据
• class_weight
• sample_weight
• initial_epoch
• steps_per_Epoch：一个epoch包含的步数（每一步是一个batch的数据送入），当使用如TensorFlow数据Tensor之类的输入张量进行训练时，默认的None代表自动分割，即数据集样本数/batch样本数。
• validation_steps：仅当steps_per_epoch被指定时有用，在验证集上的step总数。
• validation_freq ：验证集每多少次打印
• max_queue_size
• workers：整数；最大线程数
• Used for generator or keras.utils.Sequence input only
• use_multiprocessing：布尔值
• Used for generator or keras.utils.Sequence input only：是否用多线程

返回：

其 History.history 属性是连续时期的训练损失值和指标值的记录，以及验证损失值和验证指标值。用来记录：loss; val_loss ; accuracy ;val_accuracy;