Python &引用；ValueError：激活不是合法参数；使用Keras分类器

我一直在玩Tensorflow和Keras，在尝试超参数调优时，我最终遇到了以下错误： “ValueError:激活不是合法参数”

关键是，我想在我的模型中尝试不同的激活函数，看看哪一个效果最好。 我有以下代码：

import pandas as pd 
import tensorflow as tf 
from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import GridSearchCV
import numpy as np

ds = pd.read_csv(
    "https://storage.googleapis.com/download.tensorflow.org/data/abalone_train.csv",
    names=["Length", "Diameter", "Height", "Whole weight", "Shucked weight",
           "Viscera weight", "Shell weight", "Age"])
print(ds)

x_train = ds.copy()
y_train = x_train.pop('Age')
x_train = np.array(x_train)

def create_model(layers, activations):
    model = tf.keras.Sequential()
    for i, nodes in enumerate(layers):
        if i == 0:
            model.add(tf.keras.layers.Dense(nodes, input_dim=x_train.shape[1]))
            model.add(layers.Activation(activations))
            model.add(Dropout(0.3))
        else:
            model.add(tf.keras.layers.Dense(nodes))
            model.add(layers.Activation(activations))
            model.add(Dropout(0.3))

    model.add(tf.keras.layers.Dense(units=1, kernel_initializer='glorot_uniform'))
    model.add(layers.Activation('sigmoid'))
    model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
    return model

model = KerasClassifier(build_fn=create_model, verbose=0)

layers = [[20], [40,20], [45, 30, 15]]
activations = ['sigmoid', 'relu']
param_grid = dict(layers=layers, activation=activations, batch_size = [128, 256], epochs=[30])
grid = GridSearchCV(estimator=model, param_grid=param_grid, cv=5)

grid_result = grid.fit(x_train, y_train)

print(grid_result.best_score_,grid_reslult.best_params_)

pred_y = grid.predict(x_test)
y_pred = (pred_y > 0.5)

cm=confusion_matrix(y_pred, y_test)
score=accuracy_score(y_pred, y_test) 

model.fit(x_train, y_train, epochs=30, callbacks=[cp_callback])
#steps_per_epoch
model.evaluate(x_test, y_test, verbose=2)

probability_model = tf.keras.Sequential([
    model,
    tf.keras.layers.Softmax()
]) 

probability_model(x_test[:100])

如果看到，则必须将激活指定为：

来自tensorflow.keras导入激活的

layers.Activation（activations.relu）

现在，你有：

activations=['sigmoid'，'relu']

所以，这就是为什么这个值是错误的

您应该将代码更改为以下内容：

model.add(tf.keras.layers.Dense(nodes, activation=activations[i], input_dim=x_train.shape[1]))

因此，删除激活层：

model.add（layers.Activation（activations））

并在每个层中使用激活

例如：

def create_model(layers, activations):
    model = tf.keras.Sequential()
    for i in range(2):
        if i == 0:
            model.add(tf.keras.layers.Dense(2, activation=activations[i], input_dim=x_train.shape[1]))
            model.add(tf.keras.layers.Dropout(0.3))
        else:
            model.add(tf.keras.layers.Dense(2, activation=activations[i]))
            model.add(tf.keras.layers.Dropout(0.3))

    model.add(tf.keras.layers.Dense(units=1, activation='sigmoid', kernel_initializer='glorot_uniform'))
    model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
    return model

layers.Activation（）

需要一个函数或字符串，例如

'sigmoid'

，但您当前正在向其传递一个数组

activations

。使用索引

i

（或其他索引）访问激活功能，如

激活[i]

您还可以将激活作为字符串直接传递到致密层，如下所示：

 model.add(tf.keras.layers.Dense(nodes, activation=activations[i], input_dim=x_train.shape[1])))

---

我试过了，但还是遇到同样的问题。我也必须更改激活数组吗？@IzzyGiessen:嗨，我试过了，效果很好！你确定你已经替换了所有的

激活

层吗？我想是的。有没有办法在评论中分享我的代码？