Keras构建前馈神经网络并使用callbacks输出acc以及loss曲线（训练接、验证集）及效果可视化
在每个training/epoch/batch结束时，如果我们想执行某些任务，例如模型缓存、输出日志、计算当前的auc等等，Keras中的callback就派上用场了。
import numpy as npfrom keras.models import Sequentialfrom keras.layers import Dense,Dropoutimport tensorflow as tfimport keras# 如果使用GPU版TensorFlow,并且在显卡高占用率的情况下训练模型，# 那要在初始化Session时为其分配固定数量的显存,否则可能会在开始训练的时候直接报错退出def get_session():""" Construct a modified tf session."""config = tf.ConfigProto()config.gpu_options.allow_growth = Truereturn tf.Session(config=config)keras.backend.tensorflow_backend.set_session(get_session())#数据x_train = features_trainy_train = target_trainx_test = features_testy_test = target_test#第一层为输入层，20个节点#第二次为64个节点
