'Sequential' 对象没有属性 'loss' - 当我使用 GridSearchCV 来调整我的 Keras 模型时

Question

我正在使用tensorflow和keras构建一个简单的 MNIST 分类模型，我想微调我的模型，所以我选择了sklearn.model_selection.GridSearchCV.

但是，当我调用该fit函数时，它说：

AttributeError: 'Sequential' object has no attribute 'loss'

我将我的代码与其他人的代码进行了比较，但仍然无法弄清楚原因。唯一的区别是我使用tensorflow.keras而不是keras.

这是我的代码：

    从 tensorflow.keras.models 导入顺序，模型
    从 tensorflow.keras.layers 导入 Input、Dense、Activation、Dropout、BatchNormalization
    从 tensorflow.keras.datasets 导入 mnist
    从 tensorflow.keras.wrappers.scikit_learn 导入 KerasClassifier
    从 sklearn.model_selection 导入 GridSearchCV

    ...
    ...
    ...


    def get_model(dropout_rate=0.2, hidden_​​units=512):
        模型 = 顺序（）
        模型.添加（辍学（辍学率，输入形状=（28 * 28，）））
        model.add(Dense(hidden_​​units, activation='relu'))
        model.add(BatchNormalization())
        模型.添加（辍学（辍学率））
        model.add(Dense(hidden_​​units, activation='relu'))
        model.add(BatchNormalization())
        模型.添加（辍学（辍学率））
        model.add(Dense(hidden_​​units, activation='relu'))
        model.add(BatchNormalization())
        模型.添加（辍学（辍学率））
        模型.添加（密集（10，激活=“softmax”））
        回报模式

    模型 = KerasClassifier（build_fn=get_model，batch_size=128，epochs=10）
    para_dict = {'dropout_rate':[0.2,0.5,0.8],'hidden_​​units':[128,256,512,1024]}
    clf = GridSearchCV(model, para_dict, cv=5, score='accuracy')
    clf.fit(x_train, y_train)

谢谢！

Answer 1

build_model上面的函数不会配置你model的训练。您已添加loss和其他参数。

您可以使用 keras 顺序方法编译模型compile。https://keras.io/models/sequential/

所以你的 build_model 函数应该是：

loss = 'binary_crossentropy' #https://keras.io/optimizers
optimizer = 'adam'           #https://keras.io/losses
metrics = ['accuracy']
def get_model(dropout_rate=0.2, hidden_units=512):
    model = Sequential()
    model.add(Dropout(dropout_rate, input_shape=(28*28,)))
    model.add(Dense(hidden_units, activation='relu'))
    model.add(BatchNormalization())
    model.add(Dropout(dropout_rate))
    model.add(Dense(hidden_units, activation='relu'))
    model.add(BatchNormalization())
    model.add(Dropout(dropout_rate))
    model.add(Dense(hidden_units, activation='relu'))
    model.add(BatchNormalization())
    model.add(Dropout(dropout_rate))
    model.add(Dense(10, activation='softmax'))
    model.compile(optimizer = optimizer, loss = loss, metrics = metrics)
    return model