Python 使用CV网格搜索的Keras回调

我正在尝试实现CV网格搜索，以优化Keras模型的超参数。以下是我的代码（运行时没有错误，但无法正确处理回调）：

我在回拨时遇到问题：

为每个参数组合的每个CV折叠保存最佳模型

正确记录每个参数组合

---

任何帮助都将不胜感激

似乎无法正确检查带有CV的模型。但是，如果所有内容都已记录，则可以解析文件并找到最佳参数。以下是它是如何完成的：

定义一个类，该类指定在结束时执行的操作：

class LossHistory(keras.callbacks.Callback):
    def on_train_begin(self, logs={}):
        self.losses = []

    def on_epoch_end(self, batch, logs={}):
        with open('somefile.txt', 'a') as f:
            stats = []
            stats.append(str(batch))
            stats.append('Optimizer,' + self.model.optimizer.__class__.__name__)
            stats.append('Batch_size,' + str(self.params['batch_size']))
            stats.append('accuracy,'+str(logs.get('accuracy')))
            stats.append('val_loss,'+str(logs.get('val_loss')))
            f.write(','.join(stats)+'\n')

然后初始化历史对象并将其添加到回调列表：

history = LossHistory()
grid = GridSearchCV(estimator=model,cv=5, param_grid=param_grid, n_jobs=-1)
grid_result = grid.fit(xMat, yMat,validation_split = 0.1,callbacks=[history]) 

根据您的需要以及文件的格式修改

LossHistory

类中需要捕获的参数（这只是一个示例）

history = LossHistory()
grid = GridSearchCV(estimator=model,cv=5, param_grid=param_grid, n_jobs=-1)
grid_result = grid.fit(xMat, yMat,validation_split = 0.1,callbacks=[history])