使用Grid Search调CNN超参数时遇TargetReshaper.transform()参数错误

核心问题 #

你代码里的关键错误是**KerasClassifier的build_fn参数传错了**：你传入的是create_model()（函数执行后的模型实例），但它需要的是函数本身（不带括号的create_model）。

修正后的代码 #

把这一行：

model = KerasClassifier(build_fn = create_model(), verbose = 1)

改成：

model = KerasClassifier(build_fn=create_model, verbose=1)

错误原因解释 #

KerasClassifier的设计逻辑是：每次交叉验证迭代时，调用build_fn来创建全新的模型实例，避免不同折之间的模型参数互相干扰。当你传入create_model()时，相当于直接把一个已编译好的模型实例塞给了它，打乱了内部的模型构建流程，进而触发了TargetReshaper.transform()的参数错误——内部逻辑原本期望通过调用函数生成模型，参数传递路径因此混乱，才会出现“仅接受1个参数却传入2个”的报错。

扩展：调整更多模型超参数 #

如果后续需要用GridSearch调整模型本身的超参数（比如卷积核数量、优化器类型），可以给create_model添加参数，然后在param_grid中加入对应项，示例如下：

def create_model(filters=32, optimizer='adam'):
    model = Sequential()
    model.add(layers.Conv2D(filters, (3, 3), activation='relu', input_shape=(178, 268, 1)))
    # ... 其余模型层定义
    model.compile(loss='binary_crossentropy', 
                  optimizer=optimizer,
                  metrics=['acc'])
    return model

model = KerasClassifier(build_fn=create_model, verbose=1)
param_grid = dict(
    batch_size=[40, 60, 80, 100],
    epochs=[10, 20, 30],
    filters=[32, 64],
    optimizer=['adam', 'rmsprop']
)

内容的提问来源于stack exchange，提问作者ahmetuten