时间戳

首页 > 解决方案 > 复制 AutoKeras StructuredDataClassifier 的问题

python - 复制 AutoKeras StructuredDataClassifier 的问题

问题描述

我有一个使用 AutoKeras 生成的模型，我想复制该模型，以便可以使用 keras Tuner 构建它以进行进一步的超参数调整。但是我在复制模型时遇到了问题。autokeras模型的模型总结是：

Model: "model"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_1 (InputLayer)         [(None, 11)]              0         
_________________________________________________________________
multi_category_encoding (Mul (None, 11)                0         
_________________________________________________________________
normalization (Normalization (None, 11)                23        
_________________________________________________________________
dense (Dense)                (None, 16)                192       
_________________________________________________________________
re_lu (ReLU)                 (None, 16)                0         
_________________________________________________________________
dense_1 (Dense)              (None, 32)                544       
_________________________________________________________________
re_lu_1 (ReLU)               (None, 32)                0         
_________________________________________________________________
dense_2 (Dense)              (None, 3)                 99        
_________________________________________________________________
classification_head_1 (Softm (None, 3)                 0         
=================================================================
Total params: 858
Trainable params: 835
Non-trainable params: 23

层配置

{'batch_input_shape': (None, 11), 'dtype': 'string', 'sparse': False, 'ragged': False, 'name': 'input_1'}
{'name': 'multi_category_encoding', 'trainable': True, 'dtype': 'float32', 'encoding': ListWrapper(['int', 'int', 'int', 'int', 'int', 'int', 'int', 'int', 'int', 'int', 'int'])}
{'name': 'normalization', 'trainable': True, 'dtype': 'float32', 'axis': (-1,)}
{'name': 'dense', 'trainable': True, 'dtype': 'float32', 'units': 16, 'activation': 'linear', 'use_bias': True, 'kernel_initializer': {'class_name': 'GlorotUniform', 'config': {'seed': None}}, 'bias_initializer': {'class_name': 'Zeros', 'config': {}}, 'kernel_regularizer': None, 'bias_regularizer': None, 'activity_regularizer': None, 'kernel_constraint': None, 'bias_constraint': None}
{'name': 're_lu', 'trainable': True, 'dtype': 'float32', 'max_value': None, 'negative_slope': array(0., dtype=float32), 'threshold': array(0., dtype=float32)}
{'name': 'dense_1', 'trainable': True, 'dtype': 'float32', 'units': 32, 'activation': 'linear', 'use_bias': True, 'kernel_initializer': {'class_name': 'GlorotUniform', 'config': {'seed': None}}, 'bias_initializer': {'class_name': 'Zeros', 'config': {}}, 'kernel_regularizer': None, 'bias_regularizer': None, 'activity_regularizer': None, 'kernel_constraint': None, 'bias_constraint': None}
{'name': 're_lu_1', 'trainable': True, 'dtype': 'float32', 'max_value': None, 'negative_slope': array(0., dtype=float32), 'threshold': array(0., dtype=float32)}
{'name': 'dense_2', 'trainable': True, 'dtype': 'float32', 'units': 3, 'activation': 'linear', 'use_bias': True, 'kernel_initializer': {'class_name': 'GlorotUniform', 'config': {'seed': None}}, 'bias_initializer': {'class_name': 'Zeros', 'config': {}}, 'kernel_regularizer': None, 'bias_regularizer': None, 'activity_regularizer': None, 'kernel_constraint': None, 'bias_constraint': None}
{'name': 'classification_head_1', 'trainable': True, 'dtype': 'float32', 'axis': -1}

我的训练数据是一个数据框，它转换为包含数字和分类数据的字符串类型。由于输出是softmax，我用来LabelBinarizer转换目标类。

为了确保模型被正确复制，我曾经keras.clone_model创建模型的副本并尝试自己进行训练。但是当我尝试自己训练它时，尽管达到了 500 个 epoch，但准确性并没有提高。

在从头开始训练模型时，我有什么遗漏吗？

标签： pythontensorflowkerasauto-keras

解决方案

AutoKeras 不支持任何直接转换 - 它的依赖关系过于内置，无法与包本身隔离。上面的答案表明缺乏softmax激活是错误的，因为确实存在：

classification_head_1 (Softm--> 可能文本被截断

接下来-您是否注意到缺少参数？858是一个非常小的数字 - 那是因为大多数图层都有0参数 - Autokeras 使用自定义图层来构成他们的自定义块（更多关于他们的块的信息来自他们的文档）

您可以看到，要重新创建这些自定义层，您需要它们的确切代码 - 在撰写本文时无法隔离（尽管 @haifeng-jin 正在讨论它），因为它们使用特定的包来处理输入数据以及他们的 NAS（神经架构搜索）和他们执行的优化例程的动力。

除非您可以研究他们的代码和自定义层的实现并重新创建它（这本身就是一些工作，但由于代码已经可用，所以工作量不大），如果您将keras.clone_model其与 pre 一起使用，那将是徒劳的尝试- 定义的 keras 层。这显然会导致模型损坏（例如您目前拥有的模型）。

更重要的是，AutoKerasHyperParameter 是否可以自行调整 - 如果您想进一步调整模型，只需运行 AutoKeras 更长的时间以获得更好的结果。

tl;博士您不能直接克隆具有包内依赖项的自定义层和块。但是如果你想进行超参数调优，你可以运行更长时间的搜索以获得更好的模型。

推荐阅读