如何在scikit-learn的cross_val_score（）中每次折叠后运行函数？

Question

我想用scikit-learn的cross_val_score()函数对我的Keras神经网络进行交叉验证。

问题是，在每次折叠后不仅结果被记住，而且整个Keras模型。所以我想在每次折叠后用K.clear_session()来清除这个模型。但这只是上下文的细节。

我的主要问题是：如何在scikit-learn的cross_val_score（）每次折叠后运行自定义函数？换句话说：可以运行在每次折叠后应该运行的回调？或者还有其他解决方法？

Answer 1

您可以创建一个自定义回调函数，并重新编写此回调函数的on_train_end（self，logs = {}）方法。这种新方法将在每个培训步骤结束时完成。类似的东西：

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