keras - 无论如何使用带有 KerasRegressor 包装器的 fit_generator() 方法？

Question

我正在尝试使用 GridSearchCV 为我的 LSTM 模型调整超参数，但使用了来自 keras.preprocessing.sequence 的 TimeseriesGenerator。如何修改 KerasRegressor 包装器以适应 fit_generator() 而不是 fit() 方法？

def create_model(layer1=50): 
    lstm_model = Sequential()
    lstm_model.add(LSTM(layer1, input_shape=(10,11)))
    lstm_model.add(Dense(11, activation='tanh'))
    lstm_model.compile(loss='mean_squared_error', optimizer='rmsprop')
    return lstm_model

model = KerasRegressor(build_fn=create_model, epochs=5, batch_size=10, verbose=0)

layer1 = [40,50]
param_grid = dict(layer1=layer1)

grid = GridSearchCV(estimator=model, param_grid=param_grid, n_jobs=-1, cv=3)
grid_result = grid.fit(X, y)

但是我如何将 KerasRegressor 与生成器一起使用

from keras.preprocessing.sequence import TimeseriesGenerator
train_data_gen = TimeseriesGenerator(X, y,length=10,batch_size=100)