如何在scikit-learn的cross_val_score（）中每次摺疊後運行函數？

Question

我想用scikit-learn的cross_val_score()函數對我的Keras神經網絡進行交叉驗證。

問題是，在每次摺疊後不僅結果被記住，而且整個Keras模型。所以我想在每次摺疊後用K.clear_session()來清除這個模型。但這只是上下文的細節。

我的主要問題是：如何在scikit-learn的cross_val_score（）每次摺疊後運行自定義函數？換句話說：可以運行在每次摺疊後應該運行的回調？或者還有其他解決方法？

Answer 1

您可以創建一個自定義回調函數，並重新編寫此回調函數的on_train_end（self，logs = {}）方法。這種新方法將在每個培訓步驟結束時完成。類似的東西：

class CustomCall(Callback): 

    def __init__(self): 
     super(CustomCall, self).__init__() 

    def on_epoch_begin(self, epoch, logs={}): 
     return 

    def on_epoch_end(self, epoch, logs={}): 
     return 

    def on_batch_begin(self, batch, logs={}): 
     return 

    def on_train_end(self, logs={}): 
     # Stuff here 
     print('\n Delete previous trained model : ') 
     K.clear_session() 
     return