我的代码就是这样,我尝试在TF2.0中使用KerasRegressionrAPI搜索参数
def build_model(hidden_layers = 1,
layer_size = 30,
learning_rate = 3e-3):
model = keras.models.Sequential()
model.add(keras.layers.Dense(layer_size, activation='relu',
input_shape=x_train.shape[1:]))
for _ in range(hidden_layers - 1):
model.add(keras.layers.Dense(layer_size,
activation = 'relu'))
model.add(keras.layers.Dense(1))
optimizer = keras.optimizers.SGD(learning_rate)
model.compile(loss = 'mse', optimizer = optimizer)
return model
sklearn_model = tf.keras.wrappers.scikit_learn.KerasRegressor(
build_fn = build_model)
callbacks = [keras.callbacks.EarlyStopping(patience=5, min_delta=1e-2)]
history = sklearn_model.fit(x_train_scaled, y_train,
epochs = 10,
validation_data = (x_valid_scaled, y_valid),
callbacks = callbacks)
from scipy.stats import reciprocal
param_distribution = {
"hidden_layers":[1, 2, 3, 4],
"layer_size": np.arange(1, 100),
"learning_rate": reciprocal(1e-4, 1e-2),
}
from sklearn.model_selection import RandomizedSearchCV
random_search_cv = RandomizedSearchCV(sklearn_model,
param_distribution,
n_iter = 10,
cv = 3,
n_jobs = 1)
random_search_cv.fit(x_train_scaled, y_train, epochs = 100,
validation_data = (x_valid_scaled, y_valid),
callbacks = callbacks)
但是,最终会出现以下错误:
Cannot clone object , as the constructor either does not set or modifies parameter layer_size
在我看来,我已经包含了参数layer_size
我该怎么解决这个问题?此外,当我更改“n_作业”时>;1、它不能工作
这是Kera的scikit学习包装中的一个问题,可以通过以下方式解决:
查找tensorflow的文件夹安装和文件tensorflow\python\keras\wrappers\scikit\u learn.py
编辑第117行中的文件:
删除:
res = copy.deepcopy(self.sk_params)
添加:
res = self.sk_params.copy()
它基本上是从深度复制切换到shalow复制
资料来源here
这不是一个完整的答案,但由于Keras的scikit learn包装器返回参数的方式(请参见^{} ),克隆过程中似乎有一个bug
An issue在Keras的GitHub上公开了它
平面参数范围的一种解决方法是使用numpy的^{} 方法将它们转换为Python列表
相关问题 更多 >
编程相关推荐