keras 中的参数属性解释（持续更新）

keras使用过程中会有很多参数及属性，现将日常会用到的做下详解，自己做记录的同时，帮忙其他朋友更好的理解。

一、keras 中的 verbose 详解

fit 中的 verbose

verbose：日志显示
verbose = 0 为不在标准输出流输出日志信息
verbose = 1 为输出进度条记录
verbose = 2 为每个epoch输出一行记录
注意： 默认为 1

evaluate 中的 verbose
verbose：日志显示
verbose = 0 为不在标准输出流输出日志信息
verbose = 1 为输出进度条记录
注意： 只能取 0 和 1；默认为 1

verbose = 1

注意

verbose = 0，在控制台没有任何输出

二、keras validation_split
训练集，验证集和测试集：

其实一开始我也没搞清楚这个问题，拿着测试集当验证集用，其实验证集是从训练集中抽取出来用于调参的，
而测试集是和训练集无交集的，用于测试所选参数用于该模型的效果的，这个还是不要弄错了。。。
在Keras中，验证集的划分只要在fit函数里设置validation_split的值就好了，这个对应了取训练集中百分之几的数据出来当做验证集。
但由于shuffle是在validation _split之后执行的，所以如果一开始训练集没有shuffle的话，有可能使验证集全是负样本。
测试集的使用只要在evaluate函数里设置就好了。

print model.evaluate（test_set_x，test_set_y ,batch_size=256）
这里注意evaluate和fit函数的默认batch_size都是32，自己记得修改。

三、当监测值不再改善时中止训练
keras.callbacks.EarlyStopping(
    monitor='val_loss',
    patience=0,
    verbose=0,
    mode='auto'
)

1. monitor：需要监视的值
2. patience：当early stop被激活（如发现loss相比上一个epoch训练没有下降），则经过patience个epoch后停止训练。
3. verbose：信息展示模式
4. mode：‘auto’，‘min’，‘max’之一，在min模式下，如果检测值停止下降则中止训练。在max模式下，当检测值不再上升则停止训练。

四、LSTM return_sequences
Kears LSTM API 中给出的两个参数描述

    return_sequences：默认 False。在输出序列中，返回单个 hidden state值还是返回全部time step 的 hidden state值。 False 返回单个， true 返回全部。
    return_state：默认 False。是否返回除输出之外的最后一个状态。