keras callbacks显示训练过程

您可以使用keras中的callbacks函数来显示训练过程。具体来说，您可以使用以下两个回调函数中的一个或多个来监视和记录训练过程：

1. `ModelCheckpoint`: 用于在每个epoch结束时保存模型的权重。

2. `TensorBoard`: 用于在训练期间可视化模型的性能指标和中间层输出。

以下是一个示例，使用`TensorBoard`回调来显示训练过程：

from keras.callbacks import TensorBoard

# 创建TensorBoard回调
tensorboard_callback = TensorBoard(log_dir='./logs', histogram_freq=0,
                                   write_graph=True, write_images=False)

# 训练模型，并将TensorBoard回调传递给model.fit函数
model.fit(x_train, y_train, epochs=10, batch_size=32,
          validation_data=(x_val, y_val), callbacks=[tensorboard_callback])

在上面的示例中，`log_dir`参数指定TensorBoard日志文件的保存路径，`histogram_freq`参数指定在哪个epoch结束时记录直方图可视化，`write_graph`参数指定是否记录模型结构的图形可视化，`write_images`参数指定是否记录输入图像的可视化。

使用上述方法，您可以方便地监视和记录训练过程，以便更好地了解模型的性能和训练情况。