使用 Keras Tuner 的未知度量 val_accuracy
Posted
技术标签:
【中文标题】使用 Keras Tuner 的未知度量 val_accuracy【英文标题】:Unknown metric val_accuracy using Keras Tuner 【发布时间】:2021-12-28 18:17:29 【问题描述】:我正在尝试在 Google Colab 中将 keras Tuner 与时尚 mnist 数据集一起使用,这是我的代码:
!pip install keras-tuner
import tensorflow as tf
import kerastuner
import numpy as np
print("TensorFlow version: ", tf.__version__)
(x_train, y_train) , (x_test, y_test) = tf.keras.datasets.fashion_mnist.load_data()
def create_model(hp):
num_hidden_layers = 1
num_units = 8
dropout_rate = 0.1
learning_rate = 0.01
if hp:
num_hidden_layers = hp.Choice('num_hidden_layers', values = [1,2,3])
num_units = hp.Choice('num_units', values = [8,16,32])
dropout_rate = hp.Float('dropout_rate', min_value = 0.1, max_value = 0.5)
learning_rate = hp.Float('learning_rate', min_value = 0.0001, max_value = 0.01)
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Flatten(input_shape = (28,28)))
model.add(tf.keras.layers.Lambda(lambda x: x/255.))
for _ in range(0, num_hidden_layers):
model.add(tf.keras.layers.Dense(num_units, activation='relu'))
model.add(tf.keras.layers.Dropout(dropout_rate))
model.add(tf.keras.layers.Dense(10, activation='softmax'))
model.compile(
loss='sparse_categorical_crossentropy',
optimizer=tf.keras.optimizers.Adam(learning_rate=learning_rate),
metrics=['accuracy']
)
return model
class CustomTuner(kerastuner.tuners.BayesianOptimization):
def run_trial(self, trial, *args, **kwargs):
kwargs['batch_size'] = trial.hyperparameters.Int('batch_size', 32, 128, step=32)
super(CustomTuner, self).run_trial(trial, *args, **kwargs)
tuner = CustomTuner(
create_model,
objective='val_accuracy',
max_trials = 20,
directory= 'logs',
project_name='fashion_minist',
overwrite=True,
)
search = tuner.search(
x_train, y_train,
validation_data=(x_test, y_test),
epochs = 5,
)
我收到以下错误:
ValueError: Unknown metric: val_accuracy
我做错了什么?我在训练过程中得到了val_accuracy
值,但是当第一次试验结束时,它会因这个错误而停止。
【问题讨论】:
我做了一些测试,发现错误在 CustomTuner 中,如果我尝试使用默认调谐器,它工作正常 可能和这个Issue有关 【参考方案1】:遇到同样的问题,运气好吗?不过,上面评论中的问题链接似乎并不相关。
MWE:
class MyTuner(kt.Hyperband):
def run_trial(self, trial, *fit_args, **fit_kwargs):
fit_kwargs['batch_size'] = trial.hyperparameters.Int('batch_size', 32, 256, step=32)
print("batch size" + str(fit_kwargs['batch_size']))
super(MyTuner, self).run_trial(trial, *fit_args, **fit_kwargs)
tuner = MyTuner(create_model,
objective='val_accuracy',
max_epochs=5,
factor=2,
directory='tuner',
project_name='fashion_mnist')
early_stopping = tf.keras.callbacks.EarlyStopping(monitor='val_loss', patience=5)
tuner.search(X_train,
y_train,
epochs=5,
validation_split=.2,
callbacks=[early_stopping])
我尝试同时使用args / kwargs
和fit_args / fit_kwargs
,两者都出现同样的错误。
【讨论】:
不,我还没有找到任何解决这个问题的办法...以上是关于使用 Keras Tuner 的未知度量 val_accuracy的主要内容,如果未能解决你的问题,请参考以下文章
TensorBoard 的 Keras Tuner Trials 目录的命名
将 TensorBoard 与 Keras Tuner 一起使用
使用 Keras Tuner RandomSearch 错误进行超参数调优
Keras Sklearn Tuner 模块“sklearn”没有属性“管道”
使用 OpenCV readNetFromTensorFlow 运行 Keras DNN 模型(UNet):错误:操作解码器_stage0_upsampling/Shape 中的未知层类型形状