Keras Tuner - 模型构建函数未返回有效的 Keras 模型实例答案

【问题标题】：Keras Tuner - Model-building function did not return a valid Keras Model instanceKeras Tuner - 模型构建函数未返回有效的 Keras 模型实例
【发布时间】：2021-09-11 16:37:36
【问题描述】：

我正在尝试使用 Keras Tuner 在超参数中搜索模型，但在运行代码时出现此错误：“RuntimeError: Model-building function does not return a valid Keras Model instance, found "

我在互联网上搜索过，但没有找到任何有用的东西，我也按照 Keras Tuner gitHub 页面 (https://github.com/keras-team/keras-tuner) 中的教程进行操作，但也没有用。

这是我的代码：

class MyHyperModel(HyperModel):

    def __init__(self, num_classes):
        self.num_classes = num_classes

    def build(self, hp):
        model=Sequential()
        model.add(Dense(units=hp.Int('units_0', 30, 900, step=30),
                        activation=hp.Choice('act_0', ['relu', 'tanh']),
                        input_dim=12))
        for i in range(hp.Int('layers', 3, 9)):
            model.add(Dense(units=hp.Int('units_' + str(i), 30, 900, step=30),
                            activation=hp.Choice('act_' + str(i), ['relu', 'tanh'])))
        model.add(Dense(6, activation='softmax'))
        model.compile(loss='categorical_crossentropy',
                        optimizer=hp.Choice('optimizer', ['adam', 'sgd']),
                        metrics=['categorical_accuracy'])
        return model


hypermodel = MyHyperModel(num_classes=6)

tuner = kt.tuners.bayesian.BayesianOptimization(
    hypermodel,
    objective='val_accuracy',
    max_trials=5,
    executions_per_trial=3,
    seed=(np.random.seed(1)),
    directory='Tests',
    project_name='test')

tuner.search_space_summary()

tuner.search(data[:200], labels[:200],
             verbose=2,
             epochs=3,
             validation_data=(data[200:], labels[200:]))

models = tuner.get_best_models(num_models=2).summary()
tuner.get_best_hyperparameters()[0].values
tuner.results_summary()

数据是一个包含 300 个向量的列表，包含 12 个值，标签上有 6 个类，这些类通过函数 tensorflow.convert_to_tensor() 转换为张量。

感谢您的帮助。

【问题讨论】：

标签： python tensorflow keras

【解决方案1】：

如果从keras 导入模块成员，则必须从tensorflow.keras 导入而不是keras。例如，如果你写：

from keras.models import Sequential
from keras.layers import Dense, Activation, Dropout
from keras.optimizers import Adam

然后将它们更改为：

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Activation, Dropout
from tensorflow.keras.optimizers import Adam

【讨论】：

【解决方案2】：

我知道出了什么问题，不是代码，我的模型在最后一层有 6 个神经元，我将损失用作“categorical_crossentropy”，但这仅在标签为 0 和 1 时有效，所以我已经将损失更改为“sparse_categorical_crossentropy”，将指标更改为“准确度”，它起作用了。谢谢大家的回复，感谢大家的帮助。

【讨论】：