我试图使用KerasClassifier包装器来使我的工作流程与scikit兼容。然而，当我尝试使用以下函数时，它会报错；使用原生Keras模型的fit()方法训练模型是可以的。（这是Tensorflow 2.2.0，在conda环境中运行）

def model_arch(n_features: int):    i = tf.keras.layers.Input(shape=(n_features,))    hidden_dense = tf.keras.layers.Dense(64)(i)    hidden_dense = tf.keras.layers.BatchNormalization()(hidden_dense)    hidden_dense = tf.keras.layers.Activation(tf.nn.tanh)(hidden_dense)    o = tf.keras.layers.Dense(1)(hidden_dense)    o = tf.keras.layers.BatchNormalization()(o)    o = tf.keras.layers.Activation("sigmoid")(o)    classifier = tf.keras.models.Model(inputs=i, outputs=o)    opt = tf.keras.optimizers.SGD(lr=1e-3, decay=1e-6, momentum=0.9, nesterov=True)    classifier.compile(        loss="binary_crossentropy",        optimizer=opt,        metrics=["accuracy"],    )        return classifier

以下代码可以正常工作：

X = np.random.random((100,3))y = np.random.random((100,)) # 'y'在实际中是一个二进制向量clf = model_arch(3)clf.fit(X, y, epochs=10)

然而，当我尝试使用KerasClassifier包装器时，会出现错误：

clf = KerasClassifier(model_arch(3), epochs=10)clf.fit(X, y)# ValueError: The first argument to `Layer.call` must always be passed.

我在网上看到的所有例子似乎都和我做的一样：定义一个返回编译后的Keras模型的函数，然后将其传递给包装器，并进行拟合或在管道中使用。我注意到唯一的区别是，大多数（如果不是全部的话）例子使用的是SequentialAPI而不是函数式API，但据我所知，这不应该是问题，对吗？

Tensorflow文档似乎没有给出我们应该传递给包装器的函数类型示例，但由于每个示例都使用类似于我的函数，我认为这是正确的。

谁能提供一些见解？谢谢。

编辑（评论后）：

我这样导入KerasClassifier：

from tensorflow.keras.wrappers.scikit_learn import KerasClassifier

错误日志：

Traceback (most recent call last):  File "<stdin>", line 1, in <module>  File "/home/adrian/miniconda3/envs/kaggle/lib/python3.8/site-packages/tensorflow/python/keras/wrappers/scikit_learn.py", line 223, in fit    return super(KerasClassifier, self).fit(x, y, **kwargs)  File "/home/adrian/miniconda3/envs/kaggle/lib/python3.8/site-packages/tensorflow/python/keras/wrappers/scikit_learn.py", line 154, in fit    self.model = self.build_fn(  File "/home/adrian/miniconda3/envs/kaggle/lib/python3.8/site-packages/tensorflow/python/keras/engine/base_layer.py", line 799, in __call__    raise ValueError(ValueError: The first argument to `Layer.call` must always be passed.

回答：

KerasClassifer期望一个构建函数，而不是模型实例本身，该函数在调用时返回一个编译后的Keras模型实例。因此，要以最小的更改解决这个问题，您必须将其包装在一个函数中：

clf = KerasClassifier(lambda: model_arch(3), epochs=10)

或者，更好的方法是将模型的参数作为关键字参数传递：

clf = KerasClassifier(model_arch, n_features=3, epochs=10)