我想使用Kfold来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，这样就不会继续基于前一次迭代的权重进行计算。下面的代码是否足够？还是说模型在Keras后台存在于循环之外？

from keras.models import Sequentialfrom keras.layers import Densefrom sklearn.model_selection import StratifiedKFoldfrom sklearn.utils import shuffleimport tensorflow as tfkfold = 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)    #添加更多层    model.compile()    model.fit()    #计算每个测试元素的准确性（伪代码）    modelprediction=model.predict(testvalue1,2,3,4,5)    indexes = tf.argmax(modelprediction, axis=1)    print(totalAccuracy)

sess = tf.Interactive和Keras后台是否会以某种方式保存权重？我应该重置sess和Keras吗？如何操作？

回答：

由于您在循环内部使用model = Sequential()（即定义模型），您的模型实际上在每次迭代中都被“重置”（实际上是重新定义），因此您不需要采取进一步的行动。