tf.keras fit

`tf.keras` 中的 `fit` 是一个用于模型训练的函数，它可以训练一个 Keras 模型来拟合给定的训练数据集。`fit` 函数的语法为：

model.fit(
    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,
    validation_batch_size=None,
    validation_freq=1,
    max_queue_size=10,
    workers=1,
    use_multiprocessing=False,
)

其中，常用的参数包括：

- `x`：输入数据。如果模型只有一个输入，那么 `x` 的类型应为 Numpy 数组（或 Pandas DataFrame），如果模型有多个输入，那么 `x` 的类型应为列表，列表中的每个元素分别对应于模型每个输入。
- `y`：标签数据。与 `x` 类似，如果模型有多个输出，那么 `y` 的类型应为列表，列表中的每个元素分别对应于模型每个输出。
- `batch_size`：整数，指定进行梯度下降时每个 batch 包含的样本数。
- `epochs`：整数，训练的轮数。
- `verbose`：日志显示模式。0 表示不显示日志，1 表示显示进度条，2 表示每个 epoch 显示一行日志。
- `callbacks`：Keras 回调函数列表。回调函数是在训练过程中被调用的函数，例如用于保存检查点、提前停止训练、记录训练历史等。
- `validation_split`：0 到 1 之间的浮点数，用于指定训练集中作为验证集使用的比例。
- `validation_data`：用于验证的数据。与 `x` 和 `y` 类似，如果模型有多个输入和输出，那么 `validation_data` 的类型应为元组或列表。
- `shuffle`：布尔值，指定是否在每个 epoch 开始时随机打乱训练数据。
- `steps_per_epoch`：在声明一个 epoch 完成并开始下一个 epoch 之前从 generator 产生的总步数（批次样本）。
- `validation_steps`：只有在 steps_per_epoch 未指定时才有用，验证数据集上的总步数（批次样本）。

`fit` 函数在训练过程中会返回一个 `History` 对象，包含训练过程中损失和指标的变化历史。可以使用 `history.history` 属性来访问这个对象。