在 tensorflow 中，我打算針對圖像分類任務(wù)調(diào)整預(yù)訓(xùn)練 CNN 中的超參數(shù)。為此，我使用了預(yù)訓(xùn)練模型vgg16來提取特征，并將提取的嵌入特征用作卷積神經(jīng)網(wǎng)絡(luò) (CNN) 的輸入?；旧希野袰NN放在預(yù)訓(xùn)練模型的上面進(jìn)行訓(xùn)練。我正在嘗試使用 優(yōu)化超參數(shù)batch_size, epochs, drop-rate，GridSeatchCV但出現(xiàn)以下類型錯誤：TypeError: Only integers, slices (`:`), ellipsis (`...`), tf.newaxis (`None`) and scalar tf.int32/tf.int64 tensors are valid indices, got array([200, 201, 202, 203,...我也試過這樣的：grid_search = grid_search.fit(np.array(df_train_tf), np.array(labels_tr_tf[1:1001]))但現(xiàn)在我遇到以下錯誤：ValueError：分類指標(biāo)無法處理多標(biāo)簽指標(biāo)和多類目標(biāo)的混合我查看了這個錯誤，SO但無法消除上面的錯誤。如何解決這個問題？在我的 CNN 中，我將 flatten dim 張量作為輸入傳遞給 CNN，并且從預(yù)訓(xùn)練模型中提取的嵌入特征是 1 個 dim 特征向量，我將其轉(zhuǎn)換為張量。當(dāng)我嘗試運(yùn)行網(wǎng)格搜索以進(jìn)行超參數(shù)優(yōu)化時，出現(xiàn)了上述類型錯誤。我試圖理解為什么我有這樣的錯誤。誰能指出我發(fā)生了什么事？謝謝我的嘗試：from keras.wrappers.scikit_learn import KerasClassifierfrom sklearn.model_selection import GridSearchCVmodel = KerasClassifier(build_fn=myCNN)parameters = {'dim': [256,512, 784,1024, 2048], 'epochs': [25,50,75,100,125,150,200], 'batch_size':[32,64,128,192, 256], 'drop_rate': [0.1,0.2,0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9], 'opt': ['rmsprop', 'adam', 'sgd'], 'actv_func': ['relu', 'tanh']}grid_search = GridSearchCV(estimator=model, param_grid=parameters, scoring='accuracy', cv=5)grid_search = grid_search.fit(df_train_tf, labels_tr_tf[1:1001])其中df_train_tf是預(yù)訓(xùn)練嵌入特征labels_tr_tf的張量，是單熱編碼標(biāo)簽的張量。這是df_train_tf, labels_tr_tf看起來的樣子。df_train_tf.shape:TensorShape([1000, 2048])labels_tr_tf[1:1001].shape:TensorShape([1000, 100])type(labels_tr_tf[1:1001]):tensorflow.python.framework.ops.EagerTensortype(df_train_tf):tensorflow.python.framework.ops.EagerTensordf_train_tf:<tf.Tensor: shape=(1000, 2048), dtype=float32, numpy=array([[ 2.3664525 , 6.4614077 , 22.128284 , ..., 2.8993628 , 7.6006427 , 4.022856 ], [ 2.8110769 , 0. , 21.861437 , ..., 2.8580594 , 3.8210764 , 3.4176886 ],...]我沒有找到任何線索為什么我會收到此錯誤。誰能指出我如何做到這一點？解決上述類型錯誤的任何解決方案？任何想法？謝謝
1 回答
慕娘9325324
TA貢獻(xiàn)1783條經(jīng)驗 獲得超4個贊
對于與 sklearn 一起使用GridSearchCV的多類標(biāo)簽，標(biāo)簽不應(yīng)進(jìn)行單熱編碼。它們應(yīng)該是包含兩個以上離散值的一維或列向量。檢查文檔以獲取表示。
所以我們必須將單熱編碼目標(biāo)轉(zhuǎn)換為一維，而這又需要我們將損失函數(shù)更改為sparse_categorical_crossentropy
示例代碼：
X = np.random.randn(1000, 2048)
y = np.array([i for i in range(100)]*10) # <- 1D array with target labels
def myModel():
model = keras.models.Sequential()
model.add(keras.layers.Dense(100, input_dim=2048, activation='softmax'))
model.compile(loss='sparse_categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
return model
model = KerasClassifier(build_fn=myModel)
parameters = { 'epochs': [10, 20, 30],
'batch_size':[1, 2, 3, 4, 5, 6, 7,8] }
grid_search = GridSearchCV(estimator=model,
param_grid=parameters,
scoring='accuracy',
cv=2)
grid_search = grid_search.fit(X, y)
print (grid_search.best_params_)
輸出：
Epoch 1/10
500/500 [==============================] - 2s 3ms/step - loss: 5.6664 - accuracy: 0.0100
Epoch 2/10
500/500 [==============================] - 1s 3ms/step - loss: 0.0066 - accuracy: 1.0000
Epoch 3/10
500/500 [==============================] - 1s 3ms/step - loss: 9.9609e-04 - accuracy: 1.0000
------ output truncated ------
{'batch_size': 3, 'epochs': 20}
添加回答
舉報
0/150
提交
取消