iteration：每一次迭代（iteration）从上一次迭代的结尾开始往后采集batchsize个数据
epoch：在 训练数据总数目/batchsize 次iteration之后，所有训练数据都已经被过了一遍，此时为1个epoch，假如我们定义了epoch为2，那么1个epoch完成后我们会对上一次的训练数据shuffle，继续去iteration，直到 训练数据总数目/batchsize 次iteration之后，两轮epoch完成
validation_data：
model.valuate：按顺序分别返回你所设定的loss和metrics（评价指标）
model.predict：
二分类：某物体是A或是B的概率，是或不是的概率，一般用sigmoid，比如评论为正面或负面
多分类：比如某段新闻的主题划分，一般用softmax表示各个主题的概率
技巧：
verbose：
在model.fit中evaluate
直接在fit过程中顺便执行evaluate的功能：
第一张图是手动的且只在fit完成后执行
第二张图则是每轮epoch都会自动执行一次evaluate，并且会返回一个字典，里面装着每一轮epoch的对应loss和matric，
按照上面这段代码all_mae_histories的形状是4行500列，如下图所示
