1、函数与参数

1.1 功能：

利用Python的生成器，逐个生成数据的batch并进行训练。生成器与模型将并行执行以提高效率。例如，该函数允许我们在CPU上进行实时的数据提升，同时在GPU上进行模型训练。适合于训练数据集非常大的情况，不能同时将数据载入内存中。

1.2 参数及说明

fit_generator(self, 
              generator,  # 生成器函数，生成器的输出应该为: (inputs, targets)的tuple；
              steps_per_epoch,  # int，当生成器返回steps_per_epoch次数据时一个epoch结束，执行下一个epoch， int(number_of_train_samples / batch_size)；
              epochs=1, # int，训练的epoch数             
              verbose=1, # 日志显示，0为不在标准输出流输出日志信息，1为输出进度条记录，2为每个epoch输出一行记录
              callbacks=None, # 
              validation_data=None,  # 验证集，与generator类似
              validation_steps=None,  #
              class_weight=None,  # 规定类别权重的字典，将类别映射为权重，常用于处理样本不均衡问题。
              max_q_size=10,  # 生成器队列的最大容量
              workers=1,  # 最大进程数
              pickle_safe=False,  # 
              initial_epoch=0) # 从该参数指定的epoch开始训练，在继续之前的训练时有用。

函数返回一个History对象。