在用sklearn网格搜索tensorflow的组合层时，报错如下

在用sklearn网格搜索tensorflow的组合层时，报错如下

class MyLSTM (keras.Model):
    def __init__(self,units=128):
        super(MyLSTM,self).__init__()
        self.lstm1=keras.Sequential([layers.Dense(512,activation=tf.nn.relu),
                                    layers.Dropout(0.2),
                                    layers.Dense(256,activation=tf.nn.relu),
                                    layers.Dropout(0.2),
                                    layers.Dense(128,activation=tf.nn.relu),
                                    layers.Dropout(0.2),
                                    ])
        self.lstm2=keras.Sequential([layers.LSTM(units,return_sequences=True,activation=tf.nn.relu),
                                    layers.Dropout(0.2),
                                    layers.LSTM(units,return_sequences=True,activation=tf.nn.relu),
                                    layers.Dropout(0.2),
                                    layers.LSTM(units,return_sequences=True,activation=tf.nn.relu),
                                    layers.Dropout(0.2),
                                    layers.Dense(128,activation=tf.nn.relu),
                                    layers.Dropout(0.2),
                                    layers.Dense(256,activation=tf.nn.relu),
                                    layers.Dropout(0.2),
                                    layers.Dense(512,activation=tf.nn.relu),
                                    layers.Dropout(0.2),
                                    layers.Dense(1004)])
        
    def call(self,inputs,training=None):
        x=inputs
      
        x=self.lstm1(x,training=training)
        #x=tf.dtypes.as_dtype(x)
        #x=tf.reshape(x,[x.shape[0],x.shape[1],1])
        #x=tf.dtypes.as_dtype(x)
        x=tf.expand_dims(x,axis=1)
        x=self.lstm2(x)
   
        return x
param_grid={"units":np.arange(10,301,10)}


model=MyLSTM()
model.compile(optimizer = keras.optimizers.Adam(0.001),
                  loss=tf.losses.BinaryCrossentropy(),
               metrics=['accuracy'])
kmodel=KerasClassifier(build_fn=model)
grid=GridSearchCV(kmodel,param_grid=param_grid,scoring=r2_score,cv=5)
history=grid.fit(train_dataset,train_labels)

ValueError: units is not a legal parameter

param_grid={"units":np.arange(10,301,10)}
看看这里，units参数是否不合法

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 你可以参考下这个问题的回答, 看看是否对你有帮助, 链接: https://ask.csdn.net/questions/1092898
• 我还给你找了一篇非常好的博客，你可以看看是否有帮助，链接：tensorflow "ValueError: None values not supported."
• 除此之外, 这篇博客: tensorflow2 测试数据集下载中的 error 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
  

  Exception: URL fetch failure on https://storage.googleapis.com/tensorflow/tf-keras-datasets/mnist.npz: None -- [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed: unable to get local issuer certificate (_ssl.c:1056)
  

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^

在使用sklearn网格搜索tensorflow的组合层时，报错：ValueError: units is not a legal parameter。这是因为在定义参数网格时，没有把units参数加入，只有把units参数加入参数网格，才能正确搜索。可以在param_grid中添加units参数，如：

param_grid={"units":np.arange(10,301,10)}