这可能只是一个bug，或者是我真的很笨，我（或者更准确地说是我的同事）用一些Keras变换包装了一个Keras模型，这样我们就可以在sklearn库中使用这个Keras模型了。
现在，当我对Pipeline使用fit方法时，它运行得很好。它会运行并返回一个可用的模型实例。然而，当我使用GridSearchCV时，由于某些原因，它似乎无法进行变换，并且给我如下错误：
InvalidArgumentError (see above for traceback): indices[11,2] = 26048 is not in [0, 10001) [[Node: embedding_4/Gather = Gather[Tindices=DT_INT32, Tparams=DT_FLOAT, validate_indices=true, _device="/job:localhost/replica:0/task:0/cpu:0"](embedding_4/embeddings/read, embedding_4/Cast)]]代码大致如下：
vocab_size = 10001class TextsToSequences(Tokenizer, BaseEstimator, TransformerMixin): def __init__(self, **kwargs): super().__init__(**kwargs) def fit(self, X, y=None): print('fitting the text') print(self.document_count) self.fit_on_texts(X) return self def transform(self, X, y=None): print('transforming the text') r = np.array(self.texts_to_sequences(X)) print(r) print(self.document_count) return rclass Padder(BaseEstimator, TransformerMixin): def __init__(self, maxlen=500): self.maxlen = maxlen self.max_index = None def fit(self, X, y=None): #self.max_index = pad_sequences(X, maxlen=self.maxlen).max() return self def transform(self, X, y=None): print('pad the text') X = pad_sequences(X, maxlen=self.maxlen, padding='post') #X[X > self.max_index] = 0 print(X) return Xmaxlen = 15def makeLstmModel(): model = Sequential() model.add(Embedding(10001, 100, input_length=15)) model.add(LSTM(35, dropout=0.2, recurrent_dropout=0.2)) model.add(Dense(16, activation='sigmoid')) model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy']) model.summary() return modellstmmodel = KerasClassifier(build_fn=makeLstmModel, epochs=5, batch_size=1000, verbose=42)pipeline = [ ('seq', TextsToSequences(num_words=vocab_size)), ('pad', Padder(maxlen)), ('clf', lstmmodel) ]textClassifier = Pipeline(pipeline)#Setup parametersparameters = {} #Some params to use in gridsearchskf = StratifiedKFold(n_splits=numberOfFolds, shuffle=True, random_state=1)gscv = GridSearchCV(textClassifier, parameters, cv=skf, iid=False, n_jobs=1, verbose=50)gscv.fit(x_train, y_train)上面的代码会出现InvalidArgumentError错误，但是当我使用Pipeline运行fit方法时，它却能正常工作：
GridSearchCV和Pipeline中的fit()方法之间是否有区别？我真的是很笨吗，还是这只是一个bug？
顺便提一下，我目前被迫使用Sklearn 0.19.1版本。
回答：
经过数小时的思考和调试，我得出了以下结论：
Pipeline.fit()能够自动填充**kwargs参数。
GridSearchCV.fit()无法自动填充**kwargs参数。
我在sklearn 0.19.1版本上进行了测试
我的问题在于，使用Keras的Tokenizer创建的词袋是通过num_words参数来限制词袋的最大词数的。我的同事在这方面做得不好，因此词数与LSTM模型的输入维度相匹配。因为num_words从未被设置，所以词袋总是大于输入维度。
num_words是以**kwargs参数的形式传递给Tokenizer的。
class TextsToSequences(Tokenizer, BaseEstimator, TransformerMixin): def __init__(self, **kwargs): super().__init__(**kwargs)由于某些原因，GridSearchCV.fit()无法自动填充这些参数。解决方案是使用固定参数。
class TextsToSequences(Tokenizer, BaseEstimator, TransformerMixin): def __init__(self, num_words=8000, **kwargs): super().__init__(num_words, **kwargs)在进行了上述更改后，GridSearchCV.fit()能够正常工作了。
