错误:必须始终传递 `Layer.call` 的第一个参数

我正在使用 tf.keras 2.5.0 版。

我将回归问题的层序列定义为一个函数,使用 KerasRegressor 类进行包装。这样做是为了让我能够执行 RandomizedSearchCV

import os
import tensorflow as tf
import tensorflow_addons as tfa
from tensorflow.keras import Sequential
from tensorflow.keras.layers import Dense, Dropout
from tensorflow.keras.layers import Input, InputLayer
from tensorflow.keras.callbacks import EarlyStopping, ModelCheckpoint, TensorBoard
from keras.wrappers.scikit_learn import KerasRegressor
from sklearn.model_selection import RandomizedSearchCV

def build_model(n_hidden = 1, n_neurons = 32, input_shape = (X_train.shape[1],), dropout = 0):
  model = Sequential()
  model.add(InputLayer(input_shape = input_shape))
  for i in range(n_hidden):
    model.add(Dense(n_neurons, activation = 'relu'))
    model.add(Dropout(dropout))
  model.add(Dense(1))
  model.compile(loss = 'mean_squared_error', optimizer = 'adam', metrics = [tfa.metrics.RSquare(y_shape=(1,))])
  return model

keras_reg = KerasRegressor(build_fn = build_model)

history = keras_reg.fit(X_train, y_train, epochs = 200, batch_size = 64, 
              validation_data = (X_valid, y_valid),
              callbacks = callbacks)
mse_test = keras_reg.score(X_test, y_test)

上面的代码有效。但是,当我尝试定义另一个名为 keras_reg_A 的 KerasRegressor 并覆盖 build_model 的默认值时,我收到错误消息“必须始终传递 Layer.call 的第一个参数”(我故意忽略了回调)

build_model_A = build_model(n_hidden = 2, n_neurons = 64, input_shape = (X_train.shape[1],), dropout = 0)
keras_reg_A = KerasRegressor(build_model_A)

history_A = keras_reg_A.fit(X_train, y_train, epochs = 200, batch_size = 64, 
              validation_data = (X_valid, y_valid))
mse_test = keras_reg_A.score(X_test, y_test)

有人可以解释这是为什么吗?

stack overflow ERROR:The first argument to `Layer.call` must always be passed
原文答案
author avatar

接受的答案

build_fnKerasRegressor 参数需要一个函数,而不是 tf.keras.Model 。如果需要覆盖 build_model 的默认参数,可以将它们直接传递给 KerasRegressor 的构造函数。

例如:

keras_reg = KerasRegressor(build_fn=build_model, n_hidden=2, n_neurons=32, dropout=0.5)

另一种选择是定义一个新函数,例如使用 lambda

build_model_override = lambda: build_model(n_hiddens=2)
keras_reg = KerasRegressor(build_fn=build_model_override)

答案:

作者头像

build_fnKerasRegressor 参数需要是一个返回模型的 function

fn: 任意函数

就这么简单。你读过 docs 了吗?