尽管一切正常，但 KerasClassifier 无法拟合模型

Question

我正在尝试使用 KerasClassifier 包装器来完成我的工作流程 对 scikit 友好。但是，当我尝试将它与以下功能一起使用时，它 给出错误；使用原生 Keras 模型 fit() 训练模型有效。 （这是 Tensorflow 2.2.0，运行在 conda 环境中）

def model_arch(n_features: int):
    i = tf.keras.layers.Input(shape=(n_features,))

    hidden_dense = tf.keras.layers.Dense(64)(i)
    hidden_dense = tf.keras.layers.BatchNormalization()(hidden_dense)
    hidden_dense = tf.keras.layers.Activation(tf.nn.tanh)(hidden_dense)

    o = tf.keras.layers.Dense(1)(hidden_dense)
    o = tf.keras.layers.BatchNormalization()(o)
    o = tf.keras.layers.Activation("sigmoid")(o)

    classifier = tf.keras.models.Model(inputs=i, outputs=o)

    opt = tf.keras.optimizers.SGD(lr=1e-3, decay=1e-6, momentum=0.9, nesterov=True)
    classifier.compile(
        loss="binary_crossentropy",
        optimizer=opt,
        metrics=["accuracy"],
    )
    
    return classifier

以下作品：

X = np.random.random((100,3))
y = np.random.random((100,)) # 'y' is a binary vector in reality

clf = model_arch(3)
clf.fit(X, y, epochs=10)

但是，当我尝试使用 KerasClassifier 包装器时，出现错误：

clf = KerasClassifier(model_arch(3), epochs=10)
clf.fit(X, y)

# ValueError: The first argument to `Layer.call` must always be passed.

我在网上看到的每个例子似乎都和我做的一样：定义一个 返回已编译的 keras 模型，然后将其传递给包装器的函数，以及 适合它或在管道中使用。我注意到的唯一区别是大多数（如果不是 all) 示例使用 Sequential API 而不是功能 API，但是 afaik 这应该不是问题吧？

Tensorflow 文档似乎没有给出任何关于哪种类型的示例 我们应该传递给包装器的函数，但是因为每个示例都使用一个类似的 对我来说，我认为这是正确的。

谁能解释一下？谢谢。

编辑（在 cmets 之后）：

我像这样导入 KerasClassifier：

from tensorflow.keras.wrappers.scikit_learn import KerasClassifier

错误日志：

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/home/adrian/miniconda3/envs/kaggle/lib/python3.8/site-packages/tensorflow/python/keras/wrappers/scikit_learn.py", line 223, in fit
    return super(KerasClassifier, self).fit(x, y, **kwargs)
  File "/home/adrian/miniconda3/envs/kaggle/lib/python3.8/site-packages/tensorflow/python/keras/wrappers/scikit_learn.py", line 154, in fit
    self.model = self.build_fn(
  File "/home/adrian/miniconda3/envs/kaggle/lib/python3.8/site-packages/tensorflow/python/keras/engine/base_layer.py", line 799, in __call__
    raise ValueError(
ValueError: The first argument to `Layer.call` must always be passed.

Answer 1

KerasClassifer 需要一个构建函数，而不是模型实例本身，它在调用时会返回一个 Keras 模型的编译实例。因此，要以最少的更改解决此问题，您必须将其包装在一个函数中：

clf = KerasClassifier(lambda: model_arch(3), epochs=10)

另外，更好的方法是将模型的参数作为关键字参数传递：

clf = KerasClassifier(model_arch, n_features=3, epochs=10)