keras的Model模型的参数说明

keras的Model模型的参数说明

keras中的容易混淆的概念：

1. epoch: 一个epoch是把所有训练样本训练一遍。

2. batch_size:计算梯度下降时每个batch包含的样本量

3. steps_per_epoch:一轮epoch训练包含的步数，默认=None(样本总数/batch_size)

   注意 ：batch_size和steps_per_epoch是等价的，当同时设置这两个参数时会报错：ValueError: If steps_per_epoch is set, the batch_size must be None.

fit(self, x=None, y=None, batch_size=None, epochs=1, verbose=1, 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)

1. x :输入数据（训练集的特征），如果模型只有一个输入，那么x的类型是numpy array，如果模型有多个输入，那么x的类型应当为list，list的元素是对应于各个输入的numpy array。如果模型的每个输入都有名字，则可以传入一个字典，将输入名与其输入数据对应起来。
2. y: 标签（训练集的label），同上
3. batch_size : 整数，指定