reshape(-1)，应该相当于把所有的值都列出来，列成一个向量。和reshape(1,-1)有差别。
np.zeros()，参数个数代表维数，参数的值代表在某一维上的长度。生成零矩阵的意义是预先分配内存，加快处理速度。
[-1]指取倒数第一个元素，如果所取的数组是二维的，则取的是该数组最后一行；[:-1]指从第一个到倒数第一个的前一个；
np.mean(,0),对各列求均值得到一行；np.mean(,1),对各行求均值得到一列；range( , ,)，第一个参数是起始数，第二个是终止数，第三个是间隔；
datetime.datetime.now():获取当前时间。datetime.timedelta(),里面可以接参数days/hours/minutes/seconds= 。
numpy.int，取整数部分。python运算符号%：取余数;.append,向数组后面追加元素。.round（，），四舍五入，第二个参数表示四舍五入取到多少位，缺省为取1位。
keras.ModelCheckpoint：这个函数是callbacks函数集中的一个，callback是回调函数，用来观察训练过程中网络内部的状态和统计信息，调用fit()函数时，可以将Modelcheckpoint传给训练过程。modelcheckpoint用来检查模型权重的位置，文件命名，以及在什么情况下创建模型的checkpoint。
keras.callbacks.ModelCheckpoint(filepath,monitor='val_loss',verbose=0,save_best_only=False, save_weights_only=False, mode='auto', period=1) 。filepath为保存模型的路径；monitor为需要监视的值；verbose为信息展示模式，值为0或1；save_best_only，设置为true时，只保存效果最好的模型；mode为评测标准，值为max,min,auto；save_weights_only，设置为true时，只保存权重，否则保存整个模型。period为checkpoint之间所间隔的epoch数。
keras.sequential.fit(self, x, y, batch_size=32, epochs=10, verbose=1, callbacks=None, validation_split=0.0, validation_data=None, shuffle=True, class_weight=None, sample_weight=None, initial_epoch=0).
fit参数详解，x为输入的训练数据，y为训练数据的label标签，batch_size是梯度下降时每个batch所包含的样本数，当训练终止时所达到的epochs值，verbose为日记显示，0为不输出日记信息，1为输出进度条信息，2为每个epoch输出一行记录；callbacks中的元素是keras.callbacks.callback的对象，validation_split是验证集的比例，validation_data是指定的验证集，将覆盖validation_split；shuffle一般是布尔值，表示是否打乱输入样本的顺序，若为"batch"，则为处理hdf5数据的情况，将在batch中打乱；class_weight，分类时，分错的惩罚会比较大，所以权重会提高，用来调整损失函数；sample_weight用于调整损失函数；从initial_epoch指定的epoch开始训练。
fit函数返回一个History的对象，其History.history属性记录了损失函数和其他指标的数值随epoch变化的情况，如果有验证集的话，也包含了验证集的这些指标变化情况。
