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。”Python 如何在Keras中使用fit_generator()为类加权?,python,keras,Python,Keras,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。