Как исправить ошибку AttributeError: у объекта 'SupervisedDBNClassification' нет атрибута 'loss', возникающего при вызове функции соответствия? - PullRequest
Новая
       88

Как исправить ошибку AttributeError: у объекта 'SupervisedDBNClassification' нет атрибута 'loss', возникающего при вызове функции соответствия?

0 голосов
/ 06 января 2020

Я использую этот Deep Belief Network репозиторий, размещенный на GitHub , для создания моего DBN. Я получаю AttributeError: 'SupervisedDBNClassification' object has no attribute 'loss', когда пытаюсь проверить гиперпараметры с помощью утилиты GridSearch Keras. Для приведенного ниже примера кода я тестирую гиперпараметр learning_rate. Ошибка выдается, когда я звоню grid.fit(X_test, Y_test).

Вот пример кода: 

def create_model_learning_rate(learning_rate):
    model = SupervisedDBNClassification(hidden_layers_structure=[64, 64],
                                        learning_rate_rbm=learning_rate,
                                        n_epochs_rbm=10,
                                        n_iter_backprop=20,
                                        batch_size=32,
                                        activation_function='relu',
                                        dropout_p=0.2)

    return model

def grid_search():
    epochs = 20
    batch_size = 32
    model = KerasClassifier(build_fn=create_model_learning_rate, epochs=epochs, batch_size=batch_size, verbose=0)

    param_grid = dict(learning_rate=[0.01, 0.001])

    feature_matrix, target_matrix = create_feature_target_vectors()
    X_train, X_test, Y_train, Y_test = train_test_split(feature_matrix, target_matrix, test_size=0.2, random_state=random_state)

    grid = GridSearchCV(estimator=model, param_grid=param_grid, n_jobs=-1, cv=3)
    grid_result = grid.fit(X_test, Y_test)
    print("Best: %f using %s" % (grid_result.best_score_, grid_result.best_params_))
    means = grid_result.cv_results_['mean_test_score']
    stds = grid_result.cv_results_['std_test_score']
    params = grid_result.cv_results_['params']
    for mean, stdev, param in zip(means, stds, params):
        print("%f (%f) with: %r" % (mean, stdev, param))
...