如何使用 GridSearch 保存具有最佳参数的 Keras 模型答案

【问题标题】：How to save Keras model with best parameters using GridSearch如何使用 GridSearch 保存具有最佳参数的 Keras 模型
【发布时间】：2018-08-02 00:45:44
【问题描述】：

有什么方法可以保存完整的 Keras 模型以及使用 Gridsearch 获得的最佳参数。

我有以下 Keras 模型：

def create_model(init_mode='uniform'):
    n_x_new=train_selected_x.shape[1]

    model = Sequential()
    model.add(Dense(n_x_new, input_dim=n_x_new, kernel_initializer=init_mode, activation='sigmoid'))
    model.add(Dense(10, kernel_initializer=init_mode, activation='sigmoid'))
    model.add(Dropout(0.8))

    model.add(Dense(1, kernel_initializer=init_mode, activation='sigmoid'))


    model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

    return model

seed = 7
np.random.seed(seed)


model = KerasClassifier(build_fn=create_model, epochs=30, batch_size=400, verbose=1)

init_mode = ['uniform', 'lecun_uniform', 'normal', 'zero', 'glorot_normal', 'glorot_uniform', 'he_normal', 'he_uniform']
param_grid = dict(init_mode=init_mode)
#cv = PredefinedSplit(test_fold=my_test_fold)
grid = GridSearchCV(estimator=model, param_grid=param_grid,scoring='roc_auc',cv = PredefinedSplit(test_fold=my_test_fold), n_jobs=1)
grid_result = grid.fit(np.concatenate((train_selected_x, test_selected_x), axis=0), np.concatenate((train_selected_y, test_selected_y), axis=0))



print("Best: %f using %s" % (grid_result.best_score_, grid_result.best_params_))
means = grid_result.cv_results_['mean_test_score']
stds = grid_result.cv_results_['std_test_score']
params = grid_result.cv_results_['params']
for mean, stdev, param in zip(means, stds, params):
    print("%f (%f) with: %r" % (mean, stdev, param))

我知道我可以使用callback 和checkpoint 方法，但是我不知道在我的原始代码中将这个方法所需的代码放在哪里。

我在研究时遇到的代码如下。

filepath="weights.best.hdf5"
    checkpoint = ModelCheckpoint(filepath, monitor='val_acc', verbose=1, save_best_only=True, mode='max')
    callbacks_list = [checkpoint]

【问题讨论】：

标签： python machine-learning neural-network keras

【解决方案1】：

环顾四周，似乎必须这么简单

classifier = KerasClassifier(build_fn=DNN, nb_epoch=32, batch_size=8, callbacks=[your_callback], verbose=1)

但这似乎也不起作用。一个可能的解决方法来自给出的答案 - Can I send callbacks to a KerasClassifier?，这应该会有所帮助。

这是使用不同的通用工具的结果没有特别考虑与所有可能的一起使用配置。

另外，你可以参考这张票-How to pass callbacks to scikit_learn wrappers (e.g. KerasClassifier) #4278

希望对你有帮助！

【讨论】：