时间戳

首页 > 解决方案 > keras v1.2.2 与 keras v2+ 的奇怪行为（准确性差异巨大）

python - keras v1.2.2 与 keras v2+ 的奇怪行为（准确性差异巨大）

问题描述

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对 iris 数据集进行分类运行时，keras 版本 1.2.2 为我提供了 +- 95% 的准确率，而 keras 版本 2.0+ 为每个训练示例预测相同的类（导致+- 35% 的准确度，因为有三种类型的虹膜）。使我的模型预测 +-95% 准确度的唯一因素是将 keras 降级到 2.0 以下的版本：

我认为这是Keras的问题，因为我尝试了以下事情，都没有任何区别；

由于该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），因此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))

如果有人想在这里复制错误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

标签： pythontensorflowkerasneural-networktheano

解决方案

在 Keras 2.0 中，许多参数更改了名称，有兼容层来保持工作，但不知何故它在使用KerasClassifier.

在这部分代码中：

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

您使用的是旧名称nb_epoch而不是epochs. 默认值为epochs=1，这意味着您的模型只被训练了一个时期，产生了非常低质量的预测。

还要注意这里：

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'))

推荐阅读