神经网络中epochs的网格搜索：每个参数运行 3次

Question

在进行网格搜索时，我的顺序密集 DNN 似乎运行通过参数网格中的每个参数三次。我希望它在网格中每个指定的 epcohs 运行一次：10、50 和 100。为什么会这样？

模型架构：

def build_model():
    print('building DNN architecture')
    model = Sequential()
    model.add(Dropout(0.02, input_shape = (150,)))
    model.add(Dense(8, init = 'normal', activation = 'relu'))
    model.add(Dropout(0.02))
    model.add(Dense(16, init = 'normal', activation = 'relu'))
    model.add(Dense(1, init = 'normal'))
    model.compile(loss = 'mean_squared_error', optimizer = 'adam')
    print('model succesfully compiled')
    return model

时代网格搜索：

from sklearn.model_selection import GridSearchCV
epochs = [10,50,100]
param_grid = dict(epochs = epochs)
grid = GridSearchCV(estimator = KerasRegressor(build_fn = build_model), param_grid = param_grid)
grid_result = grid.fit(x_train, y_train)
grid_result.best_params_

Answer 1

因为 GridSearchCV 同时进行网格搜索和交叉验证。对于每个参数组合，三个（默认情况下）拆分用于交叉验证，这就是为什么您看到模型为每个参数集训练了三次。

您可以使用 "cv" 参数更改折叠（拆分）的数量。在 documentation.

中查看

神经网络中epochs的网格搜索：每个参数运行 3次

Grid search on epochs in neural network: each parameter being run 3 times

neural-network

deep-learning

grid-search