我正在尝试为在喀拉拉邦建立的顺序模型优化最佳条件。
我最近遇到过Hparams仪表板,这看起来是一种非常不错的方法。但是我在实际运行模型进行参数优化的阶段遇到了一个问题!
我正在运行的代码(只是直接从tf页面开始)
https://www.tensorflow.org/tensorboard/r2/hyperparameter_tuning_with_hparams
我已经将tf上Hparams的代码修改为我的顺序模型。出于练习的目的,我删除了一个退出层(因为我的模型中没有任何层)以及优化程序。现在,我想看看更改图层中的节点如何影响我的模型。我的代码如下:
HP_NUM_UNITS = hp.HParam('num_units', hp.Discrete([16, 32]))
METRIC_ACCURACY = 'accuracy'
with tf.summary.create_file_writer('logs/hparam_tuning').as_default():
hp.hparams_config(
hparams=[HP_NUM_UNITS],
metrics=[hp.Metric(METRIC_ACCURACY, display_name='Accuracy')],
)
def train_test_model(hparams):
model = tf.keras.models.Sequential([
tf.keras.layers.Dense(hparams[HP_NUM_UNITS], activation=tf.nn.relu),
tf.keras.layers.Dense(24, activation=tf.nn.sigmoid),
])
model.compile(
optimizer='adam',
loss='binary_crossentropy',
metrics=['accuracy'],
)
model.fit(X_train.values, y_train, epochs=50)
_, accuracy = model.evaluate(X_test, y_test)
return accuracy
def run(run_dir, hparams):
with tf.summary.create_file_writer(run_dir).as_default():
hp.hparams(hparams) # record the values used in this trial
accuracy = train_test_model(hparams)
tf.summary.scalar(METRIC_ACCURACY, accuracy, step=1)
到目前为止,一切正常!就我的第一次尝试而言,除了删除Dropout和Optimizer以及在代码中应用我自己的模型外,我没有做太多改变。我需要的单元数超过16和32等,但这仅是为了制作管道...
当我运行以下代码来执行优化时,我得到了错误。代码是:
session_num = 0
for num_units in HP_NUM_UNITS.domain.values:
hparams = {
HP_NUM_UNITS: num_units,
}
run_name = "run-%d" % session_num
print('--- Starting trial: %s' % run_name)
print({h.name: hparams[h] for h in hparams})
run('logs/hparam_tuning/' + run_name, hparams)
session_num += 1
这引发了错误!错误是(我不太了解):
ValueError:无法创建由多个图形的元素组成的执行函数。
对于适合模型的第一组单元(16),该错误发生在看起来像是第一次尝试模型时。如果查看回溯,我会收到进度报告:
历次1/50 140/140 [==============================]-0s 3ms /样本-损失:0.6847-准确性:0.5723。 .... 时代50/50 140/140 [==============================]-0s 206us / sample-损耗:0.2661-精度:0.8857 >
然后这是我得到错误消息(无法创建执行函数...等)
我不确定如何解决此问题,我们将不胜感激!
我非常乐意提供更多详细信息/代码!
谢谢!
答案 0 :(得分:1)
我遇到了同样的错误,并通过将火车和测试值从pandas数据帧转换为numpy数组来解决。因此,只需使用X_train.values等等。
如果这只是告诉我错误发生在哪一行。