Python 如何在Keras中使用fit_generator（）为类加权？

我正在尝试使用keras来拟合CNN模型来对图像进行分类。数据集有更多来自特定类的图像，因此其不平衡

我在Keras阅读了关于如何减肥的不同内容，例如： ，这是很好的解释。但是，它总是解释fit（）函数，而不是fit_生成器

事实上，在fit_generator（）函数中，我们没有“class_weights”参数，而是有“weighted_metrics”，我不理解它的描述：“weighted_metrics：在训练和测试期间，要根据样本权重或class_weights进行评估和加权的度量列表。”

---

如何将“类权重”传递到“加权度量”？任何人都可以举一个简单的例子吗？

我们在

fit\u generator

（Keras v.2.2.2）中有

class\u weight

，根据：

类权重：可选字典将类索引（整数）映射到 权重（浮动）值，用于对损失函数进行加权（在 仅限培训）。这有助于告诉模型“多付些钱” 注意“来自代表性不足的班级的样本”

假设您有两个等级[正数和负数]，您可以通过以下方式将

class\u权重传递给
fit\u生成器
：

model.fit_generator(gen,class_weight=[0.7,1.3])

我们在
fit\u generator
（Keras v.2.2.2）中有
class\u weight
，依据：

类权重：可选字典将类索引（整数）映射到
权重（浮动）值，用于对损失函数进行加权（在
仅限培训）。这有助于告诉模型“多付些钱”
注意“来自代表性不足的班级的样本”

假设您有两个等级[正数和负数]，您可以通过以下方式将
class\u权重传递给
fit\u生成器
：

model.fit_generator(gen,class_weight=[0.7,1.3])

我投票将此问题作为离题题结束，因为它应该在堆栈溢出时而不是在堆栈溢出时被询问。我投票将此问题作为离题结束，因为它应该在堆栈溢出时而不是在堆栈溢出时被询问。