python - 我需要在 Kfold 循环中重置模型权重吗？

Question

我想用 Kfold 检查我的模型的准确性。我希望在每次迭代之间重置模型权重，因此我不会继续计算之前的迭代权重。下面的代码够了吗？或者模型是否存在于 keras 后端循环之外？

from keras.models import Sequential
from keras.layers import Dense
from sklearn.model_selection import StratifiedKFold
from sklearn.utils import shuffle
import tensorflow as tf

kfold = StratifiedKFold(n_splits=10, shuffle=True, random_state=seed)
sess = tf.InteractiveSession()

for train, test in kfold.split(X, Y):
    model = Sequential()
    model.add(Conv2D)
    #Add more layers
    model.compile()
    model.fit()

    #Calculate accuracy for each test element (pseudo code)
    modelprediction=model.predict(testvalue1,2,3,4,5)
    indexes = tf.argmax(modelprediction, axis=1)

    print(totalAccuracy)

sess = tf.Interactive 和 Keras 后端是否以某种方式保存权重？我应该重置 sess 和 keras 吗？我该怎么做？

Answer 1

由于您在循环内使用 model = Sequential() (即您定义模型)，您的模型确实在循环中“重置”(实际上是新定义的)每次迭代，因此您无需采取任何进一步的操作。