TensorFlow fit дает TypeError: Невозможно клонировать ошибку объекта - PullRequest
Новая
       80

TensorFlow fit дает TypeError: Невозможно клонировать ошибку объекта

0 голосов
/ 22 февраля 2020

Я использую базовую c модель CNN для классификации моих данных. Размеры моих входных данных (325, 20, 244,244). Код, который я использовал, выглядит следующим образом: 

model = Sequential()
model.add(Dense(2, activation='relu', input_shape=X_train.shape[1:]))
model.add(Dense(2, activation='sigmoid'))

optimizer = ['SGD', 'RMSprop', 'Adagrad', 'Adadelta', 'Adam', 'Adamax', 'Nadam']
epochs = [10, 50, 100]
param_grid = dict(epochs=epochs, optimizer=optimizer)

model.compile(loss='binary_crossentropy', metrics=['accuracy'])
grid = GridSearchCV(estimator=model, param_grid=param_grid, scoring='accuracy', n_jobs=-1, refit='boolean')
grid_result = grid.fit(X_train, Y_train, validation_data=(X_test, Y_test))
print("Best: %f using %s" % (grid_result.best_score_, grid_result.best_params_))

Вывод, который я получил: 

grid_result = grid.fit(X_train, Y_train, validation_data=(X_test, Y_test))

Traceback (most recent call last):

  File "<ipython-input-16-bb553189f3ee>", line 1, in <module>
    grid_result = grid.fit(X_train, Y_train, validation_data=(X_test, Y_test))

  File "C:\Users\Student\Anaconda3\lib\site-packages\sklearn\model_selection\_search.py", line 633, in fit
    base_estimator = clone(self.estimator)

  File "C:\Users\Student\Anaconda3\lib\site-packages\sklearn\base.py", line 60, in clone
    % (repr(estimator), type(estimator)))

TypeError: Cannot clone object '<tensorflow.python.keras.engine.sequential.Sequential object at 0x0000025993610B08>' (type <class 'tensorflow.python.keras.engine.sequential.Sequential'>): it does not seem to be a scikit-learn estimator as it does not implement a 'get_params' methods.

Может кто-нибудь сказать, пожалуйста, что не так с кодом и как это может быть исправлено.

1 Ответ

0 голосов
/ 22 февраля 2020

По этой ссылке: Оболочка Tensorflow Keras для sklearn и Оболочка Keras

вы можете видеть, что у керов tenorflow есть обертка для использования моделей keras со sklearn.

Итак, вы должны использовать KerasClassifier(build_fn=None, **sk_params), где build_fn должна быть функцией, в которой вы кодируете свою модель, а эта функция принимает параметры, которые вы хотите настроить.

Таким образом, вы должны кодировать свою модель как это: 

def getModel(optimizer):
    model = Sequential()
    model.add(Dense(2, activation='relu', input_shape=X_train.shape[1:]))
    model.add(Dense(2, activation='sigmoid'))
    model.compile(optimizer=optimizer , loss = tf.losses.categorical_crossentropy , metrics=['accuracy'])
    return model


optimizer = ['SGD', 'RMSprop', 'Adagrad', 'Adadelta', 'Adam', 'Adamax', 'Nadam']
epochs = [10, 50, 100]

param_grid = dict(epochs=epochs, optimizer=optimizer)

Kmodel = KerasClassifier(build_fn=getModel, verbose=1)
grid = GridSearchCV(estimator=Kmodel, param_grid=param_grid, scoring='accuracy', n_jobs=-1, refit='boolean')
grid_result = grid.fit(X_train, Y_train)

для примера кодирования KerasClassifier на mnist вы можете посетить github

...