如何在Keras中使用fit_generator（）加权类？[关闭]
关闭。 此问题不符合堆栈溢出准则。它当前不接受答案。
想改善这个问题吗？ 更新问题，使其成为Stack Overflow的主题。
去年关闭。
改善这个问题
我正在尝试使用keras来拟合CNN模型以对图像进行分类。数据集具有来自某些类别的更多图像，因此其不平衡。
我在Keras中阅读了有关如何权衡损失以解决这一问题的其他方法，例如：https :
//datascience.stackexchange.com/questions/13490/how-to-set-class-weights-for-
imbalanced-classes-in
-keras
，这很好地解释了。但是，它总是解释为 fit
（）函数，而不是 fit_generator （）一个。
确实，在fit_generator（）函数中，我们没有’ class_weights ‘参数，但是我们有’ weighted_metrics
‘，我不理解它的描述：“ weighted_metrics：在训练过程中要由sample_weight或class_weight评估和加权的指标列表测试。”
如何从“ class_weights”传递到“ weighted_metrics”？有人能举一个简单的例子吗？
问题答案：
根据文档，我们class_weight在fit_generator（
Keras v.2.2.2 ）中：
Class_weight
：可选的字典，将类索引（整数）映射到权重（浮点）值，用于对损失函数加权（仅在训练过程中）。这可能有助于告诉模型“更多关注”来自代表性不足的类的样本。
假设您有两个类[ 正 和 负 ]，则可以传递class_weight给fit_generatorwith：
model.fit_generator(gen,class_weight=[0.7,1.3])
-
问题内容： 我正在使用GPU版本的keras在经过预训练的网络上应用转移学习。我不知道如何来定义参数 ， 和 。如果我更改这些参数（主要是为了加快学习速度），则不确定是否每个时期仍能看到所有数据。 ： 内部训练队列的最大大小，用于“预缓存”生成器中的样本 问题： 这是否指的是在CPU上准备多少批次？有什么关系？如何最佳定义？ ： 并行生成批处理的线程数。批处理在CPU上并行计算，然后即时传递到GP
-
问题内容： 在具有功能API的Keras模型中，我需要调用fit_generator来使用ImageDataGenerator训练增强图像数据。问题是我的模型有两个输出：我要预测的掩码和一个二进制值，显然我只想增加输入和掩码输出，而不是二进制值。我该如何实现？ 问题答案： 下面的示例可能是不言自明的！“虚拟”模型采用1个输入（图像），并输出2个值。该模型为每个输出计算MSE。 下面的函数生成批次以
-
我正在用人脸图像数据集训练一个卷积神经网络。该数据集有10,000个尺寸为700x700的图像。我的模型有12层。我正在使用生成器函数将图像读取到Keras fit_generator函数中，如下所示。 train_file_names==>包含训练实例文件名的Python列表 train_class_labels==>一个热编码类标记的数组([0,1,0],[0,0,1]等） train_dat
-
问题内容： 我正在尝试从我训练的模型中保存和加载权重。 我用来保存模型的代码是。 让我知道这是不正确的方法，还是有更好的方法。 但是当我尝试使用它们加载它们时， 但我得到这个错误： 关于我可能在做错的任何建议吗？先感谢您。 问题答案： Keras提供了三种不同的保存方法。这些在上面（带有示例）以及下面的视频链接中进行了描述。 首先，收到错误的原因是因为您打错电话。 要保存和加载模型的权重，您首先需
-
问题内容： 我正在尝试转学；为此，我想删除神经网络的最后两层并添加另外两层。这是一个示例代码，它也会输出相同的错误。 我使用删除了该图层，但是当我尝试添加其输出时出现此错误 AttributeError：“模型”对象没有属性“添加” 我知道该错误的最可能原因是不当使用。我应该使用其他什么语法？ 编辑： 我试图在keras中删除/添加图层，但不允许在加载外部重物后添加它。 它显示此错误 问题答案：
-
问题内容： 我正在使用Windows 10，Python 3.5和tensorflow 1.1.0。我有以下脚本： 我得到错误： 问题答案： 如果您写： 然后不是图层，而是图层的输出。该层是 所以看来您的意思是： 这是完整的代码段：