Comment passer les paramètres sur les étapes de Sklearn Pipeline?

Question

Je travaille sur un modèle neuronal profond pour la classification du texte à l'aide de keras. Pour affiner certains hyperparamètres, j'utilise des emballages Keras pour l'API Scikit-Learn. J'ai donc construit un pipeline Sklearn pour cela:

def create_model(optimizer="adam", nbr_features=100):
    model = Sequential()
    model.add(Dense(512, activation='relu', input_shape=(nbr_features,)))
    ...
    model.compile(loss='binary_crossentropy', optimizer=optimizer,metrics=["accuracy"])
    return model

estimator = Pipeline([("tfidf", TfidfVectorizer()),
                      ('norm', StandardScaler(with_mean=False)),
                      ("km", KerasClassifier(build_fn=create_model, verbose=1))])
grid_params = {
     'tfidf__max_df': (0.1, 0.25, 0.5, 0.75, 1.0),
     'tfidf__max_features': (100, 500, 1000, 5000,),
      ... }

gs = GridSearchCV(estimator,
                   param_grid,
                   ...)

Je veux passer Max_Features paramètres de tfidf mettre en scène km mettre en scène nbr_features. Un hack / solution de contournement pour faire cela?