Tengo un modelo de keras y uso sklearn.model_selection.GridSearchCV para ajustar los hiperparámetros, pero se atasca en un bucle infinito.

Este es mi modelo:

 from keras import Sequential from keras.layers import Dense, Activation def make_model(optimizer='rmsprop'): model = Sequential() model.add(Dense(9, activation='relu', input_dim=28 * 28)) model.add(Dense(27 , activation='relu')) model.add(Dense(27 , activation='relu')) model.add(Dense(81 , activation='relu')) model.add(Dense(10, activation='softmax')) model.compile(loss='categorical_crossentropy', optimizer=optimizer, metrics='acc') return model

 from sklearn.model_selection import GridSearchCV from keras.wrappers.scikit_learn import KerasClassifier model = KerasClassifier(build_fn=make_model) param_grid=dict( optimizer=['rmsprop'], epochs=[25, 40], batch_size=[45], validation_split=[.2]) grid_model = GridSearchCV(estimator=model, param_grid=param_grid)

Y cuando llamo al fit del modelo, en lugar de ejecutarse con 25 y 40 épocas, se atascará en un bucle infinito.

keras.datasets.fashion_mnist como mi conjunto de datos como se muestra a continuación:

 from keras.utils.np_utils import to_categorical (train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data() y_train = to_categorical(train_labels, num_classes=10) y_test = to_categorical(test_labels, num_classes=10) x_train = train_images / 255.0 x_test = test_images / 255.0 x_train = x_train.reshape(60000, -1) x_test = x_test.reshape(10000, -1)

He usado epochs=[2, 3] para representar el bucle y el resto del código como antes.

Es el resultado: