keras：返回model.summary（）vs scikit学习包装器-Java 学习之路

在使用keras时，我了解到使用包装器会对keras产生负面影响，并且scikit会学习api请求 . 我对两者都有解决方案感兴趣 .

Variant 1: scikit Wrapper

from keras.wrappers.scikit_learn import KerasClassifier

    def model():
        model = Sequential()
        model.add(Dense(10, input_dim=4, activation='relu'))
        model.add(Dense(3, activation='softmax'))
        model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
        return model

estimator = KerasClassifier(build_fn=model, epochs=100, batch_size=5)
model.fit(X, y)

-> 这让我可以打印scikit命令，例如accuracy_score（）或classification_report（） . 但是，model.summary（）不起作用：

AttributeError：'KerasClassifier'对象没有属性'summary'

Variant 2: No Wrapper

model = Sequential()
model.add(Dense(10, input_dim=4, activation='relu'))
model.add(Dense(3, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(X, y, epochs=100, batch_size=5)

-> 这让我打印model.summary（）但不打印scikit命令 .

ValueError：混合类型的y不允许，得到类型{'multiclass'，'multilabel-indicator'}

有没有办法可以同时使用两者？

2 回答

KerasClassifier 只是 keras 中实际 Model 的包装器，因此keras api的实际方法可以路由到scikit中使用的方法，因此它可以与scikit实用程序一起使用 . 但在内部它只使用可以使用 estimator.model 访问的模型 .

说明以上内容的示例：

from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.datasets import make_classification
def model():
    model = Sequential()
    model.add(Dense(10, input_dim=20, activation='relu'))
    model.add(Dense(2, activation='softmax'))
    model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
    return model

estimator = KerasClassifier(build_fn=model, epochs=100, batch_size=5)
X, y = make_classification()
estimator.fit(X, y)

# This is what you need
estimator.model.summary()

这个输出是：

Layer (type)                 Output Shape              Param #   
=================================================================
dense_9 (Dense)              (None, 10)                210       
_________________________________________________________________
dense_10 (Dense)             (None, 2)                 22        
=================================================================
Total params: 232
Trainable params: 232
Non-trainable params: 0
_________________________________________________________________

回复于 2024-04-29T05:07:03+08:00

0

摘要的功能在此库中： from keras. models import Model 您可以看到：

回复于 2024-04-29T05:07:03+08:00

keras：返回model.summary（）vs scikit学习包装器

2 回答

相关问题