在keras fit_generator训练的第二个时期结束时，无法将模型历史记录写入json文件

在Keras中，可以使用fit_generator方法来训练模型。当训练的第二个时期结束时，我们可以将模型的历史记录写入JSON文件。

要实现这个功能，可以使用Keras提供的History对象来获取模型的历史记录。History对象包含了训练过程中的损失值和指标值等信息。

以下是一个示例代码，展示了如何将模型的历史记录写入JSON文件：

from keras.models import Sequential
from keras.layers import Dense
from keras.callbacks import Callback
import json

# 自定义回调函数，用于在每个时期结束时保存模型的历史记录
class SaveHistoryCallback(Callback):
    def on_epoch_end(self, epoch, logs=None):
        # 获取模型的历史记录
        history = self.model.history.history
        
        # 将历史记录写入JSON文件
        with open('model_history.json', 'w') as f:
            json.dump(history, f)

# 创建模型
model = Sequential()
model.add(Dense(64, activation='relu', input_dim=100))
model.add(Dense(64, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

# 编译模型
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

# 创建回调函数实例
save_history_callback = SaveHistoryCallback()

# 使用fit_generator方法训练模型，并在每个时期结束时调用回调函数保存历史记录
model.fit_generator(generator, steps_per_epoch=100, epochs=2, callbacks=[save_history_callback])

在上述代码中，我们首先定义了一个自定义的回调函数SaveHistoryCallback，该回调函数继承自Keras的Callback类，并重写了on_epoch_end方法。在on_epoch_end方法中，我们获取了模型的历史记录，并将其写入JSON文件。

然后，我们创建了一个模型，并使用compile方法编译模型。接下来，我们创建了回调函数的实例save_history_callback。

最后，我们使用fit_generator方法训练模型，并将回调函数实例传递给callbacks参数，以便在每个时期结束时调用回调函数保存历史记录。

请注意，上述代码中的generator、steps_per_epoch和epochs参数需要根据实际情况进行设置。此外，为了使代码更加完整和可运行，还需要导入相应的模块和定义相应的变量。