如何使用keras sequential mod使用gridsearchCV调整l2正则化器

Question

我正在尝试使用gridsearchCV来优化超参数kernel\u regularizer，但是gridsearchCV一直告诉我为kernel\u regularizer输入的参数名不是真正的参数

我试过各种各样的参数名，比如l2，kernel\u regularizer，kernel，regularizers.l2，regularizers.l2（），但是没有一个有效。你知道吗

我也在网上查过，但似乎找不到有关这个问题的任何文档

我的序列模型使用核正则化器=l2（0.01）

param_grid = {'kernel_regularizer': [0.01,0.02,0.03]}

grid = GridSearchCV(...)
grid.fit(x_train, y_train) #this is where I get the error: 
                           #ValueError: kernel is not a legal parameter

Answer 1

您必须使用KerasClassifier包装您的模型，sklearn GridSearchCV才能工作。你知道吗

def get_model(k_reg):
    model = Sequential()
    model.add(Dense(1,activation='sigmoid', kernel_regularizer=k_reg))
    model.compile(loss='binary_crossentropy',optimizer='adam', metrics=['accuracy'])
    return model

param_grid = {
    'k_reg': [ regularizers.l2(0.01), regularizers.l2(0.001), regularizers.l2(0.0001)]
}

my_classifier = KerasClassifier(get_model, batch_size=32)
grid = GridSearchCV(my_classifier, param_grid)

grid.fit(np.random.rand(10,1),np.random.rand(10,1))

Keras Doc，有一个详细的示例。你知道吗