Scikit learn Keras GridSearch scikit学习冻结

我很难使用scikit learn在Keras中实现网格搜索。基于，我编写了以下代码：

来自keras.wrappers.scikit\u了解导入KerasClassifier
从sklearn.model_选择导入GridSearchCV
def create_model（）：
模型=顺序（）
添加（稠密（100，输入_形状=（max_len，len（字母表）），内核_正则化器=正则化器.l2（0.001）））
模型。添加（辍学率（0.85））
添加（LSTM（100，输入_形=（100，））
模型。添加（辍学率（0.85））
添加（密集（num\u output\u类，activation='softmax'））
adam=adam（lr=0.001，β1=0.9，β2=0.999，衰减=1e-6）
model.compile（loss='classifical_crossentropy'，
优化器=亚当，
指标=[‘准确度’]）
回归模型
种子=7
np.随机种子（种子）
模型=KerasClassifier（build\u fn=create\u model，epochs=10，verbose=0）
批次大小=[10,20]
参数网格=dict（批次大小=批次大小）
grid=GridSearchCV（估计器=模型，参数网格=参数网格，n_作业=-1）
网格结果=网格.fit（列数据减少，列标签减少）
打印（“最佳：%f使用%s”%（网格结果。最佳分数，网格结果。最佳参数））
平均值=网格结果。cv结果[平均值测试分数]
stds=网格结果。cv结果['std测试分数']
参数=网格结果。cv结果['params']
对于zip中的平均值、标准偏差、参数（平均值、标准偏差、参数）：
打印（“%f（%f）和：%r”%（平均值、标准偏差、参数））

它没有给我任何错误信息，但它只是不停地运行，没有打印出任何内容。我故意用很少的时间、很少的训练示例和很少的超参数来搜索它。没有网格搜索，一个纪元的运行速度非常快，所以我不认为我需要给它更多的时间。它根本不起任何作用

有人能指出我遗漏了什么吗

---

非常感谢

我也有同样的问题

---

从参数列表中删除

n_jobs=-1

可能会有所帮助！另外，尽量不要进行热编码。

首先（始终）尝试使用

n_jobs=1

，如果它工作正常并且在合理的时间内返回，是否可以。此更新？我也有同样的问题。n_jobs=1可以工作，但不能并行化。n_jobs=1最终会返回一些结果，但需要的时间太长，即使GPU上只有很少的数据。。。