Question

我最初尝试过相同的方法并遇到与this SO questioner相同的错误。但是，使用接受的（并且只有）答案会给我另一个错误：“input_dim不是合法参数。”

然后我尝试在原始问题上使用解决方案（“将一个input_dim keyarg添加到KerasClassifier构造函数”），并再次得到相同的错误。我做错了什么，或者是否有新方法通过sklearn包装器KerasClassifier传递第一层的input_dim？

下面的最小代码示例：

from keras.models import Sequential
from keras.layers import Dense
from sklearn import datasets
from keras.wrappers.scikit_learn import KerasClassifier
import numpy as np


def create_model():
    # create model
    model = Sequential()
    model.add(Dense(12, input_dim=4, init='uniform', activation='relu'))
    model.add(Dense(6, init='uniform', activation='relu'))
    model.add(Dense(1, init='uniform', activation='sigmoid'))

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

    return model

#Error thrown here:
model = KerasClassifier(build_fn=create_model, input_dim=5, nb_epoch=150, batch_size=10, verbose=0)

ValueError：input_dim不是合法参数

Answer 1

您需要将input_dim作为其中一个参数传递给create_model()

def create_model(input_dim):
    # create model
    model = Sequential()
    # model.add(Dense(12, input_dim=4, init='uniform', activation='relu'))
    model.add(Dense(12, input_dim=input_dim, init='uniform', activation='relu'))

虽然您无需在input_dim内使用create_model，只是为了删除错误。

将input_dim传递给KerasClassifier（sklearn包装器/接口）

1 个答案: