如何调整自动编码器中的超参数？

如何解决如何调整自动编码器中的超参数？

我正在处理一个不受监督的问题，每当我尝试使用GridSeachCv时，都会在 grid.fit（X，X）

建议您添加代码。

X是形状为（4700,128,3）的输入数组，其中包含4700张图像的图像嵌入。请有人帮忙，我在这个问题上停留了太久了，什么都没想到。

def make_model(lr=0.0001,init= tf.keras.initializers.HeNormal()):
    global autoencoder,encoder
    print('MAKING MODEL')
    input_img=Input(shape=(X.shape[1:]))

    e1 = Conv2D(64,(3,3),activation='relu',padding='same',kernel_initializer=init)(input_img)
    e1 = MaxPooling2D((2,2),padding='same')(e1)

    e1 = Conv2D(32,kernel_initializer=init)(e1)
    e1 = MaxPooling2D((2,padding='same')(e1)
    
    e1 = Conv2D(16,kernel_initializer=init)(e1)
    enc = MaxPooling2D((2,padding='same')(e1)
 
    
    encoder=Model(input_img,enc)
    
    
    dec = Conv2D(16,kernel_initializer=init)(enc)
    d1 = UpSampling2D((2,2))(dec)

    

    d1 = Conv2D(32,kernel_initializer=init)(d1)
    d1 = UpSampling2D((2,2))(d1)

    
    d1 = Conv2D(64,kernel_initializer=init)(d1)
    
    
    d1 = Conv2D(3,kernel_initializer=init)(d1)
    decoded=UpSampling2D((2,2))(d1)

    autoencoder = Model(input_img,decoded)

    autoencoder.compile(optimizer=Adam(lr),loss='binary_crossentropy',metrics=['binary_crossentropy'])
    
    
    return autoencoder


def driver():
    print('PROGRAM START')
    from sklearn.model_selection import GridSearchCV
    from keras.wrappers.scikit_learn import KerasClassifier

    model=KerasClassifier(build_fn=make_model)

    param=dict(batch_size=[2,4,8,16,32])

    grid=GridSearchCV(estimator=model,param_grid=param)
    grid_result=grid.fit(X,X)
    
    print('PROGRAM END')

ValueError跟踪（最近一次通话最近） 在（）中 3 4 img_size = 128 ----> 5驱动程序（）

2幅 适合的/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/wrappers/scikit_learn.py（self，x，y，** kwargs） 第219章 第220章 -> 221提高ValueError（'y的无效形状：'+ str（y.shape）） 222 self.n_classes_ = len（self.classes_） 223 return super（KerasClassifier，self）.fit（x，y，** kwargs）

ValueError：y的形状无效：（4700、128、128、3）