我如何使用model.fit和model.evaluate，达到训练一次评估一次

您可以使用Keras中的model.fit()方法来训练模型，并使用model.evaluate()方法来评估模型。如果您想在每个epoch结束时评估模型，可以使用Keras中的Callback函数。

以下是一个例子：

from keras.callbacks import Callback

class EvaluateCallback(Callback):
    def __init__(self, validation_data):
        self.validation_data = validation_data

    def on_epoch_end(self, epoch, logs=None):
        x_val, y_val = self.validation_data
        loss, accuracy = self.model.evaluate(x_val, y_val)
        print('\nValidation loss: {}, accuracy: {}\n'.format(loss, accuracy))

model.fit(x_train, y_train, epochs=10, validation_data=(x_val, y_val), callbacks=[EvaluateCallback(validation_data=(x_val, y_val))])

在这个例子中，我们定义了一个EvaluateCallback类，该类在每个epoch结束时使用model.evaluate()方法评估模型，并打印出损失和准确度。然后在model.fit()方法中使用该callback来在训练期间进行评估。