딥러닝 : GridSearch를 이용한 최적의 하이퍼 파라미터 찾기

# Tuning the ANN
from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import GridSearchCV
from keras.models import Sequential
from keras.layers import Dense

우선 필요한 라이브러리들을 임포트 해줍니다.

 

# tensorflow로 그리드서치 하기 위해서
# 1. 모델링하는 함수를 만든다.

 

from keras.layers.attention.multi_head_attention import activation
def build_model(optimizer):
  # 모델링
  model = Sequential()
  model.add(Dense(units=6,activation='relu',input_shape=(11,)))
  model.add(Dense(units=8,activation='relu'))
  model.add(Dense(units=1,activation='sigmoid'))
  model.compile(optimizer=optimizer,loss='binary_crossentropy',metrics=['accuracy'])
  return model

# 2. 그리드 서치를 위해서, 그리드서치용 클래서파이어를 만든다.

model=KerasClassifier(build_fn=build_model)

my_param = {'batch_size':[10,20,32],'epochs':[20,30,50],'optimizer':['adam','rmsprop']}

grid=GridSearchCV(estimator=model,param_grid=my_param,scoring='accuracy')

# 3. 학습 시킨다.

grid.fit(X_train,y_train)

# 4. 평가 과정