Question

当我的图像输入通过ImageDataGenerator时如何执行超参数调整？我的训练和测试数据不是数组形式（X_train，Y_train等）。我想使用GridSearchCV中的sklearn和ImageDataGenerator中的keras来调整我的超参数。

这些是我尝试的代码中的一些摘要！

#(5) Train
train_datagen = ImageDataGenerator(rescale=1./255)

validation_datagen = ImageDataGenerator(rescale=1./255)

train_batchsize = 15
val_batchsize = 10

train_generator = train_datagen.flow_from_directory(
        train_dir,
        batch_size=train_batchsize,
        class_mode='categorical',
        shuffle=False)

validation_generator = validation_datagen.flow_from_directory(
        validation_dir,
        target_size=(image_size, image_size1),
        batch_size=val_batchsize,
        class_mode='categorical')

#Function for Creating Model
def create_model():
    .....................
    return model

model = KerasClassifier(build_fn=create_model, batch_size=1000, epochs=10, verbose = 1) 

# Use scikit-learn to grid search 
activation =  ['relu', 'tanh', 'sigmoid', 'hard_sigmoid', 'linear'] # softmax, softplus, softsign 
momentum = [0.0, 0.2, 0.4, 0.6, 0.8, 0.9]
neurons = [1, 5, 10, 15, 20, 25, 30]
init = ['uniform', 'lecun_uniform', 'normal', 'zero', 'glorot_normal', 'glorot_uniform', 'he_normal', 'he_uniform']
optimizer = [ 'SGD', 'RMSprop', 'Adagrad', 'Adadelta', 'Adam', 'Adamax', 'Nadam']

param_grid = dict(epochs=epochs, batch_size=batch_size)
##############################################################
grid = GridSearchCV(estimator=model, param_grid=param_grid, n_jobs=-1)
grid_result = grid.fit_generator(train_generator, validation_generator)

此行出现错误： grid_result = grid.fit_generator(train_generator, validation_generator)

Answer 1

Sklearn GridSearchCV 不公开 fit_generator 方法。您可能会将它与 Keras（现已弃用）fit_generator 混淆。

这意味着，如果您从生成器获取训练数据，则对 Keras 模型进行网格搜索并非易事。我在 SO 上发现了两个相关的问题：

所以现在，你必须求助于变通方法。

使用GridSearchCV进行网格搜索-使用ImageDataGenerator（keras）进行scikit学习（超参数调整）吗？

1 个答案: