在拟合模型和评估其性能时进度条是如何显示的？我知道如何使其可见，但它是基于什么的呢？
我做了一个简单的Sequential模型，有几层，编译并开始训练：

# x.shape: (3270, n)
# y.shape: (3270, 1)
model.fit(x, y, epochs=20, batch_size=300)

如果我没有看错文档，那么这就是内部应该发生的事情：数据被迭代通过，使得优化步骤对于每个批次仅考虑数据的批次大小量，直到数据集被用尽。
对于大批量，epoch的进度条保持固定，似乎是整个训练数据的批量大小：

300/3270 [=>............................] - ETA: 0s - loss: 0.4178 - acc: 0.8433
3270/3270 [==============================] - 0s 9us/step - loss: 0.3813 - acc: 0.8593
Epoch 17/20

但对于较小的尺寸，似乎有更多和不同数量的酒吧，他们实际上显示一些运动。

30/3270 [..............................] - ETA: 0s - loss: 0.5154 - acc: 0.8333
1770/3270 [===============>..............] - ETA: 0s - loss: 0.3560 - acc: 0.8621
3270/3270 [==============================] - 0s 29us/step - loss: 0.3631 - acc: 0.8618
Epoch 19/20

  30/3270 [..............................] - ETA: 0s - loss: 0.3360 - acc: 0.8667
1620/3270 [=============>................] - ETA: 0s - loss: 0.3473 - acc: 0.8667
3120/3270 [===========================>..] - ETA: 0s - loss: 0.3599 - acc: 0.8622
3270/3270 [==============================] - 0s 33us/step - loss: 0.3592 - acc: 0.8621
Epoch 20/20

我没有找到这些条形图到底显示了什么的信息。所以我希望能有任何见解。