Python TensorFlow拟合给出TypeError:无法克隆对象错误

我使用一个基本的CNN模型来分类我的数据。我的输入数据的维度是（325、20、244244）。我使用的代码如下：

model = Sequential()
model.add(Dense(2, activation='relu', input_shape=X_train.shape[1:]))
model.add(Dense(2, activation='sigmoid'))

optimizer = ['SGD', 'RMSprop', 'Adagrad', 'Adadelta', 'Adam', 'Adamax', 'Nadam']
epochs = [10, 50, 100]
param_grid = dict(epochs=epochs, optimizer=optimizer)

model.compile(loss='binary_crossentropy', metrics=['accuracy'])
grid = GridSearchCV(estimator=model, param_grid=param_grid, scoring='accuracy', n_jobs=-1, refit='boolean')
grid_result = grid.fit(X_train, Y_train, validation_data=(X_test, Y_test))
print("Best: %f using %s" % (grid_result.best_score_, grid_result.best_params_))

我得到的结果是：

grid_result = grid.fit(X_train, Y_train, validation_data=(X_test, Y_test))

Traceback (most recent call last):

  File "<ipython-input-16-bb553189f3ee>", line 1, in <module>
    grid_result = grid.fit(X_train, Y_train, validation_data=(X_test, Y_test))

  File "C:\Users\Student\Anaconda3\lib\site-packages\sklearn\model_selection\_search.py", line 633, in fit
    base_estimator = clone(self.estimator)

  File "C:\Users\Student\Anaconda3\lib\site-packages\sklearn\base.py", line 60, in clone
    % (repr(estimator), type(estimator)))

TypeError: Cannot clone object '<tensorflow.python.keras.engine.sequential.Sequential object at 0x0000025993610B08>' (type <class 'tensorflow.python.keras.engine.sequential.Sequential'>): it does not seem to be a scikit-learn estimator as it does not implement a 'get_params' methods.

grid\u result=grid.fit（X\u序列，Y\u序列，验证数据=（X\u测试，Y\u测试））
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
网格结果=网格拟合（X\u序列，Y\u序列，验证数据=（X\u测试，Y\u测试））
文件“C:\Users\Student\Anaconda3\lib\site packages\sklearn\model\u selection\u search.py”，第633行
base_估计器=克隆（self.estimator）
文件“C:\Users\Student\Anaconda3\lib\site packages\sklearn\base.py”，第60行，克隆
%（repr（估计器），类型（估计器）））
TypeError:无法克隆对象“”（类型）：它似乎不是scikit学习估计器，因为它未实现“get_params”方法。

有谁能告诉我代码有什么问题，以及如何更正它。

在这个链接中：和

您可以看到tensorflow keras有一个包装器，用于将keras模型与sklearn一起使用

因此，您必须使用

KerasClassifier（build\u fn=None，**sk\u params）

其中build\u fn应该是一个函数，您可以在该函数中对模型进行编码，该函数获取您想要调整的参数

因此，您应该按照以下方式对模型进行编码：

def getModel(optimizer):
    model = Sequential()
    model.add(Dense(2, activation='relu', input_shape=X_train.shape[1:]))
    model.add(Dense(2, activation='sigmoid'))
    model.compile(optimizer=optimizer , loss = tf.losses.categorical_crossentropy , metrics=['accuracy'])
    return model


optimizer = ['SGD', 'RMSprop', 'Adagrad', 'Adadelta', 'Adam', 'Adamax', 'Nadam']
epochs = [10, 50, 100]

param_grid = dict(epochs=epochs, optimizer=optimizer)

Kmodel = KerasClassifier(build_fn=getModel, verbose=1)
grid = GridSearchCV(estimator=Kmodel, param_grid=param_grid, scoring='accuracy', n_jobs=-1, refit='boolean')
grid_result = grid.fit(X_train, Y_train)

有关mnist上KerasClassifier的编码示例，您可以访问