我想尝试测试一些超参数，这就是我想使用 GridSearchCV，因为这似乎就是这样做的方法。
但我也想使用验证分割。使用 EarlyStopping 或/和 ReduceLROnPlateau 等回调。所以我的问题是：我如何正确实现 GridSearchCV +validation_split，验证分割中的任何数据都不会用于训练，并且整个训练集都用于训练我的模型？Afaik GridSearchCV 再次分割我剩余的训练数据（即 1-validation_split）并再次分割它？我得到了很高的准确度，但我认为我没有正确分割数据
model = KerasClassifier(build_fn=create_model,verbose=2, validation_split=0.1)
optimizers = ['rmsprop', 'adam']
init = ['glorot_uniform',
#'normal',
'uniform',
'he_normal',
#'lecun_normal',
#'he_uniform'
]
epochs = [3] #5,8,10,30
batches = [64] #32,64
param_grid = dict(optimizer=optimizers, epochs=epochs, batch_size=batches, init=init)
grid = GridSearchCV(estimator=model, param_grid=param_grid)
grid_result = grid.fit(X_train, Y_train)
A 为我自己的测试数据重新训练了 inception_v3 模型。（背景故事：在我尝试解决我的 130 级“问题”之前，我只是想了解整个过程是如何工作的）
现在我得到了.h5。我尝试导入它并预测一些图像。但我只收到以下错误消息。
ValueError: `decode_predictions` expects a batch of predictions (i.e. a 2D array of shape (samples, 1000)). Found array with shape: (1, 5)
有人可以告诉我我做错了什么吗？
我的想法：我读了一些我需要 1000 个概率向量（对于 1000 个类）的东西，但我没有。我如何创建这样的向量并将所有 1000-my_num_of_classes（在我的情况下为 5）设置为 0？我想我必须预成形一个大小为 1000 的二维数组。但它不明白“样本”或在我的情况下“1”代表什么。或者我是否必须为我的 [1.0592173e-07 8.3998479e-09 9.9305904e-01 4.8276172e-05 6.8924953e-03] 数组写一些匹配（在我的情况下）。我在哪里解释 3 (id 2) 类（受过训练）的概率最高？所以也许就像一个文件，我有所有受过训练的课程，就像受过训练的一样？将最高的与对应的行（标签）相匹配？
会很棒:)
那将是我的预测代码
# Testing Inceptionv3
#from keras.applications.imagenet_utils import decode_predictions
import numpy as np
from keras.applications.inception_v3 import decode_predictions
import matplotlib.pyplot as plt
import os
from keras.models import load_model
from PIL import Image …