Question

我想在使用Keras构建的卷积网中搜索超参数。为此，我使用了SciKit中的KerasClassifier和GridSearchCV - 根据这里给出的良好介绍MachineLearningMastery进行学习。通常SciKit-learn在'accuracy'上进行优化，但是我的网络运行图像分段来优化Jaccard索引。因此，我需要使用make_scorer定义我自己的网格搜索评分对象，如此处make_scorer和此处defining your scoring strategy所述。下面的代码部分显示了我的实现，但我在model.compile(optimizer=optimizer, loss=eval_loss, metrics=(['eval_func'])中收到错误，我不知道在指标中指定了什么。默认值为'accuracy'，但我认为在我的情况下，这将是'eval_func'（在不进行网格搜索时有效）或'score'但在这种情况下这些都不起作用。

什么是正确的语法？

def eval_func(y_true, y_pred):
    '''Evaluation function dice or jaccard, set with global var JACCARD=True'''
    if JACCARD:
        return jaccard_index(y_true, y_pred)
    else:
        return dice_coef(y_true, y_pred)


def get_unet(batch_size=32, decay=0, dropout_rate=0.5, weight_constraint=0):
    '''Create u-net model'''
    dim = 32    

    inputs = Input((3, image_cols, image_rows)) # modified to take 3 color channel input
    conv1 = Convolution2D(dim, 3, 3, activation='relu', border_mode='same', W_constraint=weight_constraint)(inputs)
    conv1 = Convolution2D(dim, 3, 3, activation='relu', border_mode='same', W_constraint=weight_constraint)(conv1)
    pool1 = MaxPooling2D(pool_size=(2, 2))(conv1)
    pool1 = Dropout(dropout_rate)(pool1) # dropout added to all layers

    ... more layers ...

    conv10 = Convolution2D(1, 1, 1, activation='sigmoid')(conv9)

    model = Model(input=inputs, output=conv10)

    optimizer = Adam(lr=LR, decay=decay)   
    model.compile(optimizer=optimizer, loss=eval_loss, metrics=(['eval_func'])

    return model

def run_grid_search():
    '''Optimize model parameters with grid search'''

    ... loading data ...

    model = KerasClassifier(build_fn=get_unet, verbose=1, nb_epoch=NUM_EPOCH, shuffle=True)
    # define grid search parameters
    batch_size = [16, 32, 48]
    decay = [0, 0.002, 0.004]
    param_grid = dict(batch_size=batch_size, decay=decay)

    # create scoring object
    score = make_scorer(eval_func, greater_is_better=True)

    grid = GridSearchCV(estimator=model, param_grid=param_grid, scoring=score, n_jobs=1, verbose=1)
    grid_result = grid.fit(X_aug, Y_aug)

以下是我使用'eval_func'和'得分'得到错误的最后一部分：

文件“C：\ Program 文件\ Anaconda2 \ lib \ site-packages \ keras \ metrics.py“，第216行，在get中 return get_from_module（identifier，globals（），'metric'）文件“C：\ Program Files \ Anaconda2 \ lib \ site-packages \ keras \ utils \ generic_utils.p y“，line 16，在get_from_module中 str（identifier））异常：无效的度量标准：eval_func

Answer 1

传递给编译器时，应取消报价。仅当Keras API是Keras API的一部分时，Keras才能将其识别为引号。参见Keras.io/metrics。

这是问题所在

model.compile(optimizer=optimizer, loss=eval_loss, metrics=(['eval_func'])

您应将其修复为：

model.compile(optimizer=optimizer, loss=eval_loss, metrics=([eval_func])

希望有帮助！

SciKit-学习网格搜索自己的评分对象语法

1 个答案: