![](/img/trans.png)
[英]Model-building function in Keras Tuner did not return a valid Keras Model instance
[英]Keras Tuner - Model-building function did not return a valid Keras Model instance
我正在嘗試使用 Keras Tuner 搜索模型的超參數,但是在運行代碼時出現此錯誤:“RuntimeError:模型構建函數未返回有效的 Keras 模型實例,找到 < keras.engine.sequential . 0x000001E9C2903F28 處的順序對象 >"
我在互聯網上搜索過但沒有找到任何可以幫助的東西,我也遵循了 Keras Tuner gitHub 頁面( https://github.com/keras-team/keras-tuner )中的教程,但它確實如此也不行。
這是我的代碼:
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()
data 是一個包含 300 個向量的列表,包含 12 個值,在標簽上有 6 個類,它們使用函數 tensorflow.convert_to_tensor() 轉換為張量。
我很感激任何幫助。
如果從keras
導入模塊成員,則必須從tensorflow.keras
而不是keras
導入。 例如,如果你寫:
from keras.models import Sequential
from keras.layers import Dense, Activation, Dropout
from keras.optimizers import Adam
然后將它們更改為:
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Activation, Dropout
from tensorflow.keras.optimizers import Adam
我知道出了什么問題,這不是代碼,我的模型在最后一層有 6 個神經元,我將損失用作“categorical_crossentropy”,但這僅在標簽為 0 和 1 時才有效,因此我更改了損失到 'sparse_categorical_crossentropy' 和指標到 'accuracy' 並且它起作用了。 謝謝大家的回復,我很感激幫助。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.