我有modelose.fit（）和verbose = 1
但是我的输出是针对每个批处理大小进行打印：：
1920/323432 [..............................]-预计到达时间：19：21-损失：10.4622-acc ：0.343-ETA：18:40-损失：10.5245-acc：0.339-ETA：18:32-损失：10.5452-acc：0.338-ETA：18:29-损失：10.5556-acc：0.337-ETA：18:30 -损失：10.2380-帐户：0.357-预计时间：18：31-损失：10.3999-帐户：0.347-预计时间：18：37-损失：10.4978-帐户：0.341-预计时间：18：40-损失：10.5089-帐户：0.340 -ETA：18:39-损失：10.3376-acc：0.351-ETA：18:52-损失：10.2878-acc：0.354-ETA：18:55-损失：10.3490-acc：0.350-ETA：18:55-损失：10.2650-acc：0.356-ETA：18:54-损失：10.2897-acc：0.354-ETA：18:55-损失：10.1864-acc：0.361-ETA：18:55-损失：10.1799-acc：0.3615
model_trained = final_model.fit([LSTM_train_X['left'], LSTM_train_X['right']], LSTM_train_y, batch_size=batch_size, epochs=epochs,
validation_data=([LSTM_valid_X['left'], LSTM_valid_X['right']], LSTM_valid_y), verbose=1)
我已经使用keras.add（）合并了两个模型
merged_output = add([branch1.output,branch2.output])
我写的总代码：：
branch1 = Sequential()
branch1.add(Embedding(len(embeddings), embedding_dim, weights=[embeddings], input_length=max_seq_length, trainable=False))
branch1.add(LSTM(hidden_layer_nodes))
branch2 = Sequential()
branch2.add(Embedding(len(embeddings), embedding_dim, weights=[embeddings], input_length=max_seq_length, trainable=False))
branch2.add(LSTM(hidden_layer_nodes))
merged_output = add([branch1.output,branch2.output])
model_combined = Sequential()
model_combined.add(Activation('relu'))
model_combined.add(Dense(256))
model_combined.add(Activation('relu'))
model_combined.add(Dense(1))
model_combined.add(Activation('softmax'))
final_model = Model([branch1.input, branch2.input], model_combined(merged_output))
final_model.compile(optimizer=optimizer,loss='binary_crossentropy' , metrics=['accuracy'])
model_trained = final_model.fit([LSTM_train_X['left'], LSTM_train_X['right']], LSTM_train_y, batch_size=batch_size, epochs=epochs,
validation_data=([LSTM_valid_X['left'], LSTM_valid_X['right']], LSTM_valid_y), verbose=1)
如何清除该问题？
谢谢：）