Neural network 训练多类分类网络的Tensorflow类平衡

我正在为多个班级训练一个分类神经网络。我的课程非常不平衡（大约80:10:5:5的比例）。我想在损失函数中使用某种权重平衡，以防止神经网络对大多数类进行过度预测。有人知道如何在Tensorflow中进行类平衡吗

另外，我不能通过对少数类进行过度采样来解决这个问题，因为我正在训练一个卷积-反卷积神经网络来进行医学图像分割。在该任务中，每个像素都被分配给一个不同的类。在这个任务中，我无法对像素进行过采样

非常感谢D

---

因此，您有一个解决方案，就是将特定于类的权重添加到损失函数中。你还停留在哪一部分？嗨，我所做的是将最终的logits层与类权重相乘，比如：weighted\u logits=tf.mul（logits，class\u weights）。由于一些少数民族阶级仍然被低估，这似乎效果不太好。所以我想问一下，是否还有其他更好的方法可以做到这一点。我知道你可以在Keras（TensorFlow和Theano之上的框架）中添加实例/类权重。@WangDuo你尝试的是正确的做法。我不知道为什么它仍然低于预期。@FiReTiTi谢谢你提供的信息