小编Tom*_*ung的帖子

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, …