我在尝试使用交叉验证评估命名实体识别任务的训练。问题在于keras模型未能正确清除，无法进行交叉验证的其他迭代。

我已经尝试了在Stack Overflow、GitHub或论坛中建议的几种清除模型的解决方案，但都没有效果。我将重点讨论两个似乎接近标准解决方案的方法。

第一个方法：我在交叉验证循环外创建模型（架构+编译），但在循环内调用keras.backend.clear_session()。我得到了错误：“tensorflow.python.framework.errors_impl.InvalidArgumentError: Tensor words_input:0, specified in either feed_devices or fetch_devices was not found in the Graph”。

第二个方法：我在循环内创建模型并在循环内调用keras.backend.clear_session()。我得到了错误：“Duplicate node name in graph: ‘training/Nadam/Pow’”。

很抱歉代码可能不够清晰，但由于隐私问题我无法展示代码

第一个方法

kf = KFold(folds, shuffle=True)model = create_model(...)for i, (train_idx, test_idx) in enumerate(kf.split(...)):   ...   train_batch, train_batch_len = createBatches(train_set)   test_batch, test_batch_len = createBatches(test_set)   model, _, _= training(model, ..., epochs=epochs)   clear_session()

第二个方法

kf = KFold(folds, shuffle=True)for i, (train_idx, test_idx) in enumerate(kf.split(...)):   model = create_model(...)   ...   train_batch, train_batch_len = createBatches(train_set)   test_batch, test_batch_len = createBatches(test_set)   model, _, _= training(model, ..., epochs=epochs)   clear_session()

在create_model()中，我们定义了层的架构并调用compile(…)

我确实希望在kfold的每次迭代中使用一个清除后的模型进行交叉验证。另外需要提及的是，我尝试过在每次迭代开始时设置初始权重，但由于我在数百个epoch上工作，这似乎引起了存储问题——据我所知，keras在每个epoch都会创建节点。这样做时，如果我使用少量epoch，整个kfold运行良好，但当我在数百个epoch上运行时，训练性能在第二次迭代后F1分数保持在0。

回答：

你还需要在清除会话之前删除模型

from keras import backend as Kdel modelK.clear_session()gc.collect()