initialization - 使用KerasRegressor指定输入参数

Question

我使用Keras神经网络，并且希望自动设置输入维度，而不是像到目前为止所看到的每篇教程一样进行硬编码。我该怎么做？
我的代码：

from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasRegressor
seed = 1

X = df_input
Y = df_res

def baseline_model(x):
    # create model
    model = Sequential()    
    model.add(Dense(20, input_dim=x, kernel_initializer='normal', activation=relu))
    model.add(Dense(1, kernel_initializer='normal'))
    # Compile model
    model.compile(loss='mean_absolute_error', optimizer='adam')
    return model

inpt  = len(X.columns)
estimator = KerasRegressor(build_fn = baseline_model(inpt  ) , epochs=2, batch_size=1000, verbose=2)
estimator.fit(X,Y)

我得到的错误是：

追溯（最近一次通话）：
在estimator.fit（X，Y）中的文件ipython-input-2-49d765e85d15，第20行
TypeError：call（）缺少1个必需的位置参数：'inputs'

Answer 1

我将包裹您的baseline_model如下：

def baseline_model(x):
    def bm():
        # create model
        model = Sequential()
        model.add(Dense(20, input_dim=x, kernel_initializer='normal', activation='relu'))
        model.add(Dense(1, kernel_initializer='normal'))
        # Compile model
        model.compile(loss='mean_absolute_error', optimizer='adam')
        return model
    return bm

然后将 KerasRegressor定义和拟合为：

estimator = KerasRegressor(build_fn=baseline_model(inpt), epochs=2, batch_size=1000, verbose=2)
estimator.fit(X, Y)

这样避免了必须在 baseline_model中对输入维进行硬编码。