是否可以获得执行fit时所使用的steps_per_epoch的值？

在Keras中，可以通过访问model.history属性来获取执行fit时所使用的steps_per_epoch的值。具体而言，model.history是一个字典，其中包含了训练过程中的各种指标和相关数值。其中的params键对应的值是一个包含训练参数的字典，其中就包括了steps_per_epoch的值。

以下是一个完整的示例代码：

import tensorflow as tf
from tensorflow import keras

# 创建模型
model = keras.models.Sequential()
model.add(keras.layers.Dense(10, input_shape=(10,)))
model.add(keras.layers.Dense(1))

# 编译模型
model.compile(optimizer='sgd', loss='mse')

# 训练模型
history = model.fit(x_train, y_train, epochs=10, steps_per_epoch=100)

# 获取steps_per_epoch的值
steps_per_epoch = history.params['steps']
print("steps_per_epoch的值：", steps_per_epoch)

在上述代码中，我们首先定义了一个简单的Keras模型。然后，通过调用model.fit来训练模型，并设置了steps_per_epoch参数为100。训练完成后，我们可以通过访问history.params['steps']来获取steps_per_epoch的值，并将其打印出来。

请注意，上述代码中的x_train和y_train是训练数据和标签，需要根据实际情况进行相应的设置。另外，我们还可以通过访问model.history.history来获取训练过程中的其他指标和数值，例如训练集上的损失值、准确率等。

总结起来，要获取执行fit时所使用的steps_per_epoch的值，可以通过访问model.history.params['steps']来实现。这个值可以在训练过程中对模型的性能进行评估和优化，以及在调参过程中进行参考。对于更多关于Keras模型训练的内容，你可以参考腾讯云提供的TensorFlow官方文档。