Python 使用卡在1/1纪元的KerasClassifier包装器调整我的ANN的网格搜索

我试图训练一个简单的神经网络，它有一个隐藏层，用于二元分类。尝试使用GridSeachCV获得最佳参数，但训练不会超过第一个历元

未获取

best\u parameters=gridSearchCV.best\u params\u的任何值
best\u accurcy=gridSearchCV.best\u score
在它停止之后

代码
def构建分类器网格（优化器）：
分类器网格=顺序（）
分类器_grid.add（稠密（输出_dim=6，初始化='uniform'，激活='relu'，输入_dim=11））
分类器_grid.add（密集（输出_dim=6，初始化='uniform'，激活='relu'））
分类器_grid.add（密集（输出_dim=1，初始化='uniform'，激活='sigmoid'））
分类器\u grid.compile（优化器=优化器，损失='binary\u crossentropy'，度量=['accurity']））
返回分类器网格
分类器网格=KerasClassifier（构建分类器网格）
参数={'batch_size'：[25,32]，
“新纪元”：[100500]，
'优化器'：['adam'，'rmsprop']}
gridSearchCV=gridSearchCV（估计器=分类器×网格，
参数网格=参数，
得分=‘准确度’，
cv=10）
gridSearchCV=gridSearchCV.fit（X_序列，y_序列）

就像：

Epoch 1/1
7200/7200 [==============================] - 5s 676us/step - loss: 0.5647 - acc: 0.7961
Epoch 1/1
7200/7200 [==============================] - 5s 681us/step - loss: 0.5626 - acc: 0.7950
Epoch 1/1
7200/7200 [==============================] - 5s 684us/step - loss: 0.5523 - acc: 0.7956
"
"
Epoch 1/1
7200/7200 [==============================] - 10s 1ms/step - loss: 0.6167 - acc: 0.7929
Epoch 1/1
8000/8000 [==============================] - 11s 1ms/step - loss: 0.5504 - acc: 0.7959

它一点也不卡住，它只是为每个模型只训练一个历元，这是默认值。问题是您使用了参数
nb_epoch
，而Keras 2.x中的正确名称是
epochs
，因此很高兴它能工作。谢谢只是想知道它以前是如何工作的，我在其他几个地方使用过它，但没有得到这个问题。@Shamika您可能在其他地方有Keras<2.0。