fit_generator函数
callback类
每一个epoch结束（on_epoch_end）时，都要调用callback函数，callback函数(类)都要集成callback类，callback类的成员函数如下：
keras.callbacks.ModelCheckpoint是一个常见的callback类，其重写了on_epoch_end函数，在每个epoch结束保存模型数据进入文件。
keras.callbacks.History类主要记录每一次epoch训练的结果，包含loss以及acc的值；keras.callbacks.ProgbarLogger类实现训练中间状态数据信息的输出，主要涉及进度相关信息。
训练过程分析
a. model.fit_generator: #训练入口函数
训练与验证结果解读
在每一个epoch的最后一个迭代（最后一次batch）时，要进行此轮epoch的校验（evaluate）
验证逻辑是将validation_steps的test的值取平均值，作为本epoch训练的最终效果。
总结
0. 训练过程中，每次权重的更新都是在一个batch上进行一次，是基于batch量的数据为单位进行权重的更新；
1. 基于生成器模型训练数据，可以提升效率，降低对物理服务器性能，尤其是内存的要求；
2. 训练过程中，callback函数执行了大量的工作，包括loss、acc值的记录，以及训练中间结果的日志反馈，最重要的是模型数据的输出，也是通过callback的方式实现；
3. 训练和验证的逻辑近乎一样，训练要更新权重，但是验证过程，仅仅更新网络状态，不涉及权重（loss以及acc参数）信息的更新；
4. Keras采用了生成器，装饰器，回调等编程思想，另外，对矩阵运算，例如numpy.dot以及numpy.multiply的数学逻辑都有一定要求，对python编程要求还是比较高滴。
