背景和问题

Question

我这些天学习keras，并且在使用scikit-learn API时遇到了错误。这里有用的东西：

环境：

python:3.5.2  
keras:1.0.5  
scikit-learn:0.17.1

CODE

import pandas as pd
from keras.layers import Input, Dense
from keras.models import Model
from keras.models import Sequential
from keras.wrappers.scikit_learn import KerasRegressor
from sklearn.cross_validation import train_test_split
from sklearn.cross_validation import cross_val_score
from sqlalchemy import create_engine
from sklearn.cross_validation import KFold


def read_db():
    "get prepared data from mysql."
    con_str = "mysql+mysqldb://root:0000@localhost/nbse?charset=utf8"
    engine = create_engine(con_str)
    data = pd.read_sql_table('data_ml', engine)
    return data

def nn_model():
    "create a model."
    model = Sequential()
    model.add(Dense(output_dim=100, input_dim=105, activation='softplus'))
    model.add(Dense(output_dim=1, input_dim=100, activation='softplus'))
    model.compile(loss='mean_squared_error', optimizer='adam')
    return model

data = read_db()
y = data.pop('PRICE').as_matrix()
x = data.as_matrix()
model = nn_model()
model = KerasRegressor(build_fn=model, nb_epoch=2)
model.fit(x,y)  #something wrong here!

错误

Traceback (most recent call last):
  File "C:/Users/Administrator/PycharmProjects/forecast/gridsearch.py", line 43, in <module>
    model.fit(x,y)
  File "D:\Program Files\Python35\lib\site-packages\keras\wrappers\scikit_learn.py", line 135, in fit
    **self.filter_sk_params(self.build_fn.__call__))
TypeError: __call__() missing 1 required positional argument: 'x'

Process finished with exit code 1

该模型运行良好，无需使用kerasRegressor打包，但我想在此之后使用sk_learn的gridSearch，所以我在这里寻求帮助。我试过但仍然不知道。

可能有用的东西：

keras.warappers.scikit_learn.py  

class BaseWrapper(object):  


    def __init__(self, build_fn=None, **sk_params):
        self.build_fn = build_fn
        self.sk_params = sk_params
        self.check_params(sk_params)  


    def fit(self, X, y, **kwargs):
        '''Construct a new model with build_fn and fit the model according
        to the given training data.
    # Arguments
        X : array-like, shape `(n_samples, n_features)`
            Training samples where n_samples in the number of samples
            and n_features is the number of features.
        y : array-like, shape `(n_samples,)` or `(n_samples, n_outputs)`
            True labels for X.
        kwargs: dictionary arguments
            Legal arguments are the arguments of `Sequential.fit`

    # Returns
        history : object
            details about the training history at each epoch.
    '''

    if self.build_fn is None:
        self.model = self.__call__(**self.filter_sk_params(self.__call__))
    elif not isinstance(self.build_fn, types.FunctionType):
        self.model = self.build_fn(
            **self.filter_sk_params(self.build_fn.__call__))
    else:
        self.model = self.build_fn(**self.filter_sk_params(self.build_fn))

    loss_name = self.model.loss
    if hasattr(loss_name, '__name__'):
        loss_name = loss_name.__name__
    if loss_name == 'categorical_crossentropy' and len(y.shape) != 2:
        y = to_categorical(y)

    fit_args = copy.deepcopy(self.filter_sk_params(Sequential.fit))
    fit_args.update(kwargs)

    history = self.model.fit(X, y, **fit_args)

    return history

此行中出现

错误：

    self.model = self.build_fn(
        **self.filter_sk_params(self.build_fn.__call__))

self.build_fn这里是keras.models.Sequential

models.py  

class Sequential(Model):

    def call(self, x, mask=None):
        if not self.built:
            self.build()
        return self.model.call(x, mask)

那么，x是什么意思以及如何解决这个错误？
谢谢！

Answer 1

xiao，我遇到了同样的问题！希望这会有所帮助：

背景和问题

documentation for Keras指出，在为scikit-learn实现Wrappers时，有两个参数。第一个是构建函数，它是一个＆＃34;可调用函数或类实例＆＃34;。具体而言，它声明：

build_fn应构造，编译并返回一个Keras模型，然后用于拟合/预测。可以将以下三个值之一传递给build_fn：


功能

实现调用方法
的类的实例
无。这意味着您实现了一个继承自KerasClassifier或KerasRegressor的类。然后，将此类的调用方法视为默认的build_fn。

在代码中，创建模型，然后在创建build_fn包装器时将模型作为参数KerasRegressor的值传递：

model = nn_model()
model = KerasRegressor(build_fn=model, nb_epoch=2)

这就是问题所在。您可以传递Keras nn_model模型的实际实例，而不是将build_fn 函数作为Sequential传递。因此，当调用fit()时，它无法找到call方法，因为它未在您返回的类中实现。

提议的解决方案

我所做的工作是将函数传递给build_fn，而不是实际的模型：

data = read_db()
y = data.pop('PRICE').as_matrix()
x = data.as_matrix()
# model = nn_model() # Don't do this!
# set build_fn equal to the nn_model function
model = KerasRegressor(build_fn=nn_model, nb_epoch=2) # note that you do not call the function!
model.fit(x,y)  # fixed!

这不是唯一的解决方案（您可以将build_fn设置为适当地实现call方法的类），但是对我有效的方法。我希望它可以帮到你！

Answer 2

用户定义的关键字参数传递给__init__()，也就是说，所有传递给__init__()的关键字参数都将直接传递给model_build_fn。例如，调用 KerasClassifier(myparam=10) 将导致 model_build_fn(my_param=10)

这是一个例子：

class MyMultiOutputKerasRegressor(KerasRegressor):
    
    # initializing
    def __init__(self, **kwargs):
        KerasRegressor.__init__(self, **kwargs)
        
    # simpler fit method
    def fit(self, X, y, **kwargs):
        KerasRegressor.fit(self, X, [y]*3, **kwargs)

(...)

def get_quantile_reg_rpf_nn(layers_shape=[50,100,200,100,50], inDim= 4, outDim=1, act='relu'):
          # do model stuff...

(...) 初始化 Keras 回归器：

base_model = MyMultiOutputKerasRegressor(build_fn=get_quantile_reg_rpf_nn,
                                         layers_shape=[50,100,200,100,50], inDim= 4, 
                                         outDim=1, act='relu', epochs=numEpochs, 
                                         batch_size=batch_size, verbose=0)

使用keras时的错误＆＃39; sk-learn API

2 个答案:

背景和问题

提议的解决方案