keras 報錯：“Sequential” object has no attribute “_in_multi_worker_mode”

在使用keras的回調函數時報錯

AttributeError: 'Sequential' object has no attribute '_in_multi_worker_mode'

代碼如下

# 3.參數搜索 RandomizedSearchCV

from sklearn.model_selection import RandomizedSearchCV
# RandomizedSearchCV參數說明，
# clf1設置訓練的學習器
# param_dist字典類型，放入參數搜索範圍
# scoring = 'neg_log_loss'，精度評價方式設定爲"neg_log_loss"
# n_iter=300，訓練300次，數值越大，獲得的參數精度越大，但是搜索時間越長
# n_jobs = -1，使用所有的CPU進行訓練，默認爲1，使用1個CPU
# RandomizedSearchCV採用了cross-validation: 將訓練集分成n分，n-1訓練，最後一份驗證。默認cv=3
random_search_cv = RandomizedSearchCV(sklearn_model,
                                      param_distribution,
                                      cv = 3,
                                      n_iter = 10,
                                      n_jobs = -1)
# use call back function
callbacks = [
    # 目標指標不再有改善了，就可以提前終止
    # 
    keras.callbacks.EarlyStopping(monitor='acc', # 被檢測的模型的指標
                                  patience=2, # 沒有進步的訓練輪次爲2，在這之後訓練就會被停止
                                  # min_delta=1e-3
                                  ),
    # 保存模型
    keras.callbacks.ModelCheckpoint(filepath="model_{epoch:03d}-{val_acc:.4f}.h5",# 路徑
                                    monitor='val_acc',# 如果val_loss沒有改善就不覆蓋
                                    save_best_only=True)# 保持最佳模型

]

解決方法

將keras.callbacks.EarlyStopping和keras.callbacks.ModelCheckpoint
改爲

from keras.callbacks import ModelCheckpoint
from keras.callbacks import EarlyStopping

# 3.參數搜索 RandomizedSearchCV

from sklearn.model_selection import RandomizedSearchCV
from keras.callbacks import ModelCheckpoint
from keras.callbacks import EarlyStopping
# RandomizedSearchCV參數說明，
# clf1設置訓練的學習器
# param_dist字典類型，放入參數搜索範圍
# scoring = 'neg_log_loss'，精度評價方式設定爲"neg_log_loss"
# n_iter=300，訓練300次，數值越大，獲得的參數精度越大，但是搜索時間越長
# n_jobs = -1，使用所有的CPU進行訓練，默認爲1，使用1個CPU
# RandomizedSearchCV採用了cross-validation: 將訓練集分成n分，n-1訓練，最後一份驗證。默認cv=3
random_search_cv = RandomizedSearchCV(sklearn_model,
                                      param_distribution,
                                      cv = 3,
                                      n_iter = 10,
                                      n_jobs = -1)
# use call back function
callbacks = [
    # 目標指標不再有改善了，就可以提前終止
    # 
    EarlyStopping(monitor='acc', # 被檢測的模型的指標
                                  patience=2, # 沒有進步的訓練輪次爲2，在這之後訓練就會被停止
                                  # min_delta=1e-3
                                  ),
    # 保存模型
    ModelCheckpoint(filepath="model_{epoch:03d}-{val_acc:.4f}.h5",# 路徑
                                    monitor='val_acc',# 如果val_loss沒有改善就不覆蓋
                                    save_best_only=True)# 保持最佳模型

]