“顺序”对象没有属性“损失” - 当我使用 GridSearchCV 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sklearn.model_selection.GridSearchCV。

但是，当我调用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（） model.add(Dropout(dropout_rate, input_shape=(28*28,))) model.add（密集（hidden_​​units，激活='relu'）） model.add(BatchNormalization()) model.add（辍学（dropout_rate）） model.add（密集（hidden_​​units，激活='relu'）） model.add(BatchNormalization()) model.add（辍学（dropout_rate）） model.add（密集（hidden_​​units，激活='relu'）） model.add(BatchNormalization()) model.add（辍学（dropout_rate）） model.add（密集（10，激活='softmax'）） 返回模型 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

上面的build_model 函数不会配置您的model 进行训练。您已添加loss 和其他参数。

您可以使用keras顺序方法compile编译模型。 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