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
)

x：训练集
y：训练集标签
batch_size
epochs
verbose：‘auto’,0，1，2，关于日志记录显示
callbacks：回调函数，参数是一个列表，如callbacks=[checkpoint,earlystopping]
validation_data：验证集，一个元组
validation_split：当没有验证集时从训练集划分一部分比例作为验证集
validation_freq：多少个epoch执行一次验证
shuffle：默认为True,即会默认进行数据打乱，但是当使用validation_split时会先进行shuffle，再进行shuffle，所以这里需要注意，最好自己提前进行shuffle

fit_generator(
    generator, steps_per_epoch=None, epochs=1, verbose=1, callbacks=None,
    validation_data=None, validation_steps=None, validation_freq=1,
    class_weight=None, max_queue_size=10, workers=1, use_multiprocessing=False,
    shuffle=True, initial_epoch=0
)

grenerator：生成器生成的数据，通常自己定义函数def generate_arrays_from_file()，数据生成与fit在cpu中是并行的，可以用来节约内存或者训练数据集大于内存时
steps_per_epoch：整数，相当于batchs
eopchs：整数，数据迭代轮数
verbose：日志显示，同上，0为不在标准输出流输出日志信息，1为输出进度条记录，2为每个epoch输出一行记录
validation_data：验证集，一个元组
validation_steps：当validation_data为生成器时，本参数指定验证集的生成器返回次数

validation_freq：多少个epoch执行一次验证

返回值都是一个History对象，可以用print(History.History)输出损失函数与准确率