我希望能够使用KerasClassifier和SciKit-learn的GridSearchCV在卷积网中搜索超参数。参考MachineLearningMastery提供的优秀介绍。通常,SciKit-learn会基于“准确性”进行优化,但是我的网络运行图像分割并优化Jaccard指数。因此,我需要使用make_scorer定义自己的评分对象进行网格搜索,如make_scorer和defining your scoring strategy所述。下面的代码部分显示了我的实现,但是在
这是我使用“eval_func”和“score”时遇到的错误的最后一部分:
在“C:\ Program Files \ Anaconda2 \ lib \ site-packages \ keras \ metrics.py”文件中,第216行代码出现错误。尝试从模块中获取指标时,会调用“get_from_module”函数。然而,在“C:\ Program Files \ Anaconda2 \ lib \ site-packages \ keras \ utils \ generic_utils.py”文件中,第16行代码再次出现了错误。它打印出一条异常信息:“无效度量:eval_func”。
model.compile(optimizer=optimizer, loss=eval_loss, metrics=(['eval_func'])
处出现错误,我不知道metrics应该指定什么。默认值为“准确性”,但是在我的情况下,我认为应该是“eval_func”(如果不进行网格搜索,则有效),或者是“score”,但这两者都在此情况下无效。
请问正确的语法是什么?
def eval_func(y_true, y_pred):
'''Evaluation function dice or jaccard, set with global var JACCARD=True'''
if JACCARD:
return jaccard_index(y_true, y_pred)
else:
return dice_coef(y_true, y_pred)
def get_unet(batch_size=32, decay=0, dropout_rate=0.5, weight_constraint=0):
'''Create u-net model'''
dim = 32
inputs = Input((3, image_cols, image_rows)) # modified to take 3 color channel input
conv1 = Convolution2D(dim, 3, 3, activation='relu', border_mode='same', W_constraint=weight_constraint)(inputs)
conv1 = Convolution2D(dim, 3, 3, activation='relu', border_mode='same', W_constraint=weight_constraint)(conv1)
pool1 = MaxPooling2D(pool_size=(2, 2))(conv1)
pool1 = Dropout(dropout_rate)(pool1) # dropout added to all layers
... more layers ...
conv10 = Convolution2D(1, 1, 1, activation='sigmoid')(conv9)
model = Model(input=inputs, output=conv10)
optimizer = Adam(lr=LR, decay=decay)
model.compile(optimizer=optimizer, loss=eval_loss, metrics=(['eval_func'])
return model
def run_grid_search():
'''Optimize model parameters with grid search'''
... loading data ...
model = KerasClassifier(build_fn=get_unet, verbose=1, nb_epoch=NUM_EPOCH, shuffle=True)
# define grid search parameters
batch_size = [16, 32, 48]
decay = [0, 0.002, 0.004]
param_grid = dict(batch_size=batch_size, decay=decay)
# create scoring object
score = make_scorer(eval_func, greater_is_better=True)
grid = GridSearchCV(estimator=model, param_grid=param_grid, scoring=score, n_jobs=1, verbose=1)
grid_result = grid.fit(X_aug, Y_aug)
这是我使用“eval_func”和“score”时遇到的错误的最后一部分:
在“C:\ Program Files \ Anaconda2 \ lib \ site-packages \ keras \ metrics.py”文件中,第216行代码出现错误。尝试从模块中获取指标时,会调用“get_from_module”函数。然而,在“C:\ Program Files \ Anaconda2 \ lib \ site-packages \ keras \ utils \ generic_utils.py”文件中,第16行代码再次出现了错误。它打印出一条异常信息:“无效度量:eval_func”。