我正在使用scikit-learn的GridSearchCV来遍历参数空间以调整模型。具体来说，我用它来测试神经网络中的不同超参数。网格如下：

params = {'num_hidden_layers': [0,1,2],          'hidden_layer_size': [64,128,256],          'activation': ['sigmoid', 'relu', 'tanh']}

问题在于，当num_hidden_layers设置为0时，我会运行一些冗余的模型。它会运行一个没有隐藏层的模型，但分别设置64、128和256个单元。由于没有隐藏层，这些模型是等价的。这种做法非常低效，并且意味着我需要编写更多的代码来从结果中去除冗余。

有没有办法防止这种参数组合的出现，或许可以通过传递参数的元组来实现？

回答：

GridSearchCV允许你将参数列表传递给params：

param_grid : dict或字典列表

以参数名称（字符串）为键，以要尝试的参数设置列表为值的字典，或者是这样的字典列表，在这种情况下，列表中每个字典所跨越的网格都会被探索。这使得可以搜索任何参数设置序列。

因此，你可以指定这些字典为你原始字典的某些子字典。这样，你就可以避免不相关的组合。