Python 为什么“GridSearchCV”上的第二个“fit”调用会无休止地工作？

我正在使用

sklearn

中的

GridSearchCV

调整

Keras

模型中的超参数，如中所示

我调用

fit

方法来寻找最佳超参数

grid_result = grid.fit(X, Y)

但是，假设我想更改

batch_大小

，并再次调用

fit

（无需在Jupyter中重新启动内核）

当我调用

fit

grid_result = grid.fit(X, Y)

它无休止地工作，不会终止。为了适应这个改变了的参数，我必须重新启动内核，然后重新加载数据、模块等

问题。如果不重新启动内核，如何在

GridSearchCV

上第二次调用

fit

---

详细信息。我使用。详细片段：

import numpy as np
from sklearn.model_selection import GridSearchCV
from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasClassifier

def create_model():
    model = Sequential()
    model.add(Dense(12, input_dim=8, activation='relu'))
    model.add(Dense(1, activation='sigmoid'))
    model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
    return model

dataset = np.loadtxt("data/pima-indians-diabetes.data.csv", delimiter=",")
X = dataset[:,0:8]
y = dataset[:,8]

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

batch_size = [10, 20, 40, 60, 80, 100]
epochs = [10, 50]
param_grid = dict(batch_size = batch_size, epochs = epochs)

grid = GridSearchCV(estimator=model, param_grid=param_grid, n_jobs=-1)

然后我调用

fit

，它工作正常

grid_result = grid.fit(X, y)
print("Best: %f using %s" % (grid_result.best_score_, grid_result.best_params_))

Out:

Best:0.690104使用{'batch_size'：10，'epochs'：50}

然后，我运行以下命令进行一些更改：

batch_size = [5, 10, 15, 20]
param_grid = dict(batch_size = batch_size, epochs = epochs)
grid = GridSearchCV(estimator=model, param_grid=param_grid, n_jobs=-1)

最后，我第二次调用

fit

，它从未停止过

grid_result = grid.fit(X, y)

---

我可以在我的MacBook Pro上重现错误。 我也使用了

pima.data.csv

dataset

这里的问题是tensorflow会话。如果在

GridSearchCV.fit（）之前的父进程中创建了会话，它肯定会挂起

一种可能的解决方案是将所有会话创建代码限制在
KerasClassifier
类和模型创建函数中

此外，您可能希望在模型创建函数或
KerasClassifier
的子类中限制TF的内存使用


快速解决方案：

n_jobs = 1

但这需要很长时间才能完成


参考文献：

n_jobs = 1





您使用什么数据集？我现在正试图确认这个问题。你会在笔记本上运行代码吗？@seralouk我会用细节粘贴整个snnipet。你能重现这个问题吗？@是的，我已经发布了一个答案快速解决方案，但是如果你使用Winsdows，我仍然会尝试在函数
创建模型
中加载
keras
模块。是的，另一个尝试是使用
如果你使用Winsdows。让我知道，请考虑接受我的答案。我正在使用谷歌计算VM与Debian。我将浏览您提供的链接，并尝试为我找到最佳解决方案
n_jobs=1
是一个糟糕的解决方案，因为我的虚拟机提供了多个CPU。我试图将代码包装到函数（和函数）中，并将
keras
模块导入其中，但我发现我这样做是盲目的，没有任何效果。根据您的说明，我猜一个可能的解决方案是将所有会话创建代码限制在KerasClassifier类和模型创建函数中。从你第一个链接的帖子来看，这是可能的。你能给我一些提示怎么做吗？
n_jobs = 1