Рандомизированный поиск резюме с помощью нейронной сети ⇐ Python

[Anonymous]

Я хочу настроить нейронную сеть, но, поскольку мне предстоит много тестовых запусков, я решил использовать резюме со случайным поиском.
Сначала я начал с освобождения места.

Код: Выделить всё

# Reseting layers and freeing up some space
tf.keras.backend.clear_session()

Затем я создал функцию для хранения моей модели нейронной сети.

Код: Выделить всё

def create_model(learning_rate=0.02):
model = Sequential([
Dense(128, activation='relu', input_shape=(23,)), #Input Layer
Dense(64, activation='relu'), #Hidden Layer
Dense(7, activation='softmax') #Output Layer
])
# Compiling Model
from tensorflow.keras.optimizers import Adam
model.compile(optimizer=Adam(learning_rate=learning_rate), loss='sparse_categorical_crossentropy', metrics=['accuracy', map_3])

return model

Мне нужен был параметр ранней остановки, поэтому я создал переменную для его хранения.

Код: Выделить всё

# Early Stopping
from tensorflow.keras.callbacks import EarlyStopping
early_stopping = EarlyStopping(monitor = 'val_map_3',
patience = 5,
mode = 'max',
restore_best_weights=True)

Затем я определяю словарь параметров для своего резюме в режиме случайного поиска.

Код: Выделить всё

# Setting Parameters for Randomized Search CV
param_dict = {'epochs': [20, 40, 60, 80, 100, 120, 150],
'batch_size': [32, 64, 128, 256, 512, 1024],
'learning_rate': [0.04, 0.06, 0.08, 0.1, 0.2, 0.5, 1.0, 2.0]}

Я использовал Scikeras для упаковки своей нейронной сети.

Код: Выделить всё

from scikeras.wrappers import KerasClassifier
tunned_model = KerasClassifier(
model=create_model,
epochs=param_dict['epochs'],
batch_size=param_dict['batch_size'],
learning_rate=param_dict['learning_rate'], verbose=1)

Затем вызвал RandomizedSearchCV и подгонял мои данные, и я получил ошибку.

Код: Выделить всё

# Loading Randomized Search CV
random_search = RandomizedSearchCV(tunned_model,  param_distributions=param_dict, n_iter= 20, scoring='accuracy', verbose=2, cv=5, n_jobs=1, refit=True)

# Fitting Neural Network
random_search.fit(
X_train,
y_train,
validation_data=(X_val, y_val),
callbacks=[early_stopping]
)

Output:
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
 in ()
3
4 # Fitting Neural Network
----> 5 random_search.fit(
6     X_train,
7     y_train,

4 frames
/usr/local/lib/python3.11/dist-packages/sklearn/base.py in __sklearn_tags__(self)
538
539     def __sklearn_tags__(self):
--> 540         tags = super().__sklearn_tags__()
541         tags.estimator_type = "classifier"
542         tags.classifier_tags = ClassifierTags()

AttributeError: 'super' object has no attribute '__sklearn_tags__'

Я приложил все усилия, чтобы выяснить, в чем проблема, но ничего не помогло. Мне нужна помощь с кодом.

Подробнее здесь: https://stackoverflow.com/questions/796 ... al-network