python - keras v1.2.2 与 keras v2+ 的奇怪行为(准确度存在巨大差异)

Question

今天我遇到了 Keras 的一些非常奇怪的行为。 当我尝试使用简单模型在 iris-dataset 上进行分类运行时，keras 1.2.2 版本为我提供了 +- 95% 的准确度，而 keras 2.0+ 版本为每个训练示例预测相同的类别(导致准确度为 +- 35%，因为存在三种类型的虹膜)。唯一能让我的模型预测 +-95% 准确度的方法是将 keras 降级到 2.0 以下的版本:

我认为这是 Keras 的问题，因为我尝试了以下方法，但都没有效果；

• 切换最后一层的激活函数(从 Sigmoid 到 softmax)。
• 切换后端(Theano 和 Tensorflow 的性能大致相同)。
• 使用随机种子。
• 改变隐藏层中神经元的数量(在这个简单模型中我只有 1 个隐藏层)。
• 切换损失函数。

由于模型非常简单并且可以自行运行(您只需要易于获取的 iris.csv 数据集)，我决定包含整个代码；

import pandas as pd
from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasClassifier
from keras.utils import np_utils
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import KFold
from sklearn.preprocessing import LabelEncoder

#Load data
data_frame = pd.read_csv("iris.csv", header=None)
data_set = data_frame.values
X = data_set[:, 0:4].astype(float)
Y = data_set[:, 4]

#Encode class values as integers
encoder = LabelEncoder()
encoder.fit(Y)
encoded_Y = encoder.transform(Y)

# convert integers to dummy variables (i.e. one hot encoded)
dummy_y = np_utils.to_categorical(encoded_Y)

def baseline_model():
    #Create & Compile model
    model = Sequential()
    model.add(Dense(8, input_dim=4, init='normal', activation='relu'))
    model.add(Dense(3, init='normal', activation='sigmoid'))
    model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
    return model

#Create Wrapper For Neural Network Model For Use in scikit-learn
estimator = KerasClassifier(build_fn=baseline_model, nb_epoch=200, batch_size=5, verbose=0)

#Create kfolds-cross validation
kfold = KFold(n_splits=10, shuffle=True)

#Evaluate our model (Estimator) on dataset (X and dummy_y) using a 10-fold cross-validation procedure (kfold).
results = cross_val_score(estimator, X, dummy_y, cv=kfold)
print("Accuracy: {:2f}% ({:2f}%)".format(results.mean()*100, results.std()*100))

如果有人想复制错误，这里是我用来观察问题的依赖项:

numpy=1.16.4
pandas=0.25.0
sk-learn=0.21.2
theano=1.0.4
tensorflow=1.14.0

Answer 1

在 Keras 2.0 中，许多参数更改了名称，有兼容层来保持工作正常，但不知何故，它在使用 KerasClassifier 时并不适用。

在这部分代码中:

estimator = KerasClassifier(build_fn=baseline_model, nb_epoch=200, batch_size=5, verbose=0)

您正在使用旧名称nb_epoch，而不是现代名称epochs。默认值为 epochs=1，这意味着您的模型仅接受一个 epoch 的训练，产生的预测质量非常低。

另请注意:

model.add(Dense(3, init='normal', activation='sigmoid'))

您应该使用 softmax 激活而不是 sigmoid，因为您使用的是分类交叉熵损失:

model.add(Dense(3, init='normal', activation='softmax'))