利用keras搭建神经网络，怎样记录每一轮epoch的时间，和训练的总时间？

神经网络就是一个简单的lstm神经网络，调用了keras模块，现在想比较不同训练方法的效率，如何在训练完成后显示每一步训练以及最后训练完的总时间？

keras.callbacks.History() 可以记录时间、准确率，还可以自己写回调，包括你说的统计总时间等，你可以看看文档

model = kr.models.Sequential(layers)
# Adam optimizer has been proven to work very well for image related classification
# Using binary crossentropy since we are dealing with just one class
model.compile(optimizer=kr.optimizers.Adam(), loss="binary_crossentropy", metrics=["accuracy"])
model.summary()

# fitting the model
history = model.fit_generator(
        train_generator.flow(x_train, y_train, batch_size=32),
        steps_per_epoch=int(2*SIZE / 32),
        epochs=64,
        validation_data=evaluate_generator.flow(x_valid, y_valid, batch_size=32),
        validation_steps=128,
        verbose=2
    )

# saving the results to outputs.csv
pd.DataFrame.from_dict(history.history).to_csv("outputs.csv", float_format="%.5f", index=False)

这是运行结果

请问，总时间是什么算的，我记了每次迭代单独的时间，也想记总时间，可以分享一下吗