Python ValueError：包含多个元素的数组的真值不明确。使用a.any（）或a.all（）？

我正在构建一个编码器-解码器模型，但当我试图传递权重时，我得到了上述错误。以下是我的代码摘要：

classes = [item for sublist in train_summary.tolist() for item in sublist]
class_weights = class_weight.compute_class_weight('balanced', np.unique(classes), classes)
print(type(class_weights))
e_stopping = EarlyStopping(monitor='val_loss', patience=4, verbose=1, mode='min', restore_best_weights=True)
history = seq2seq_model.fit(x=[train_article, train_summary], y=np.expand_dims(train_target, -1),
                            batch_size=batch_size, epochs=epochs, validation_split=0.1,
                            callbacks=[e_stopping], class_weight=class_weights)

这是一个错误

~\anaconda3\lib\site-packages\tensorflow\python\keras\engine\data_adapter.py in __init__(self, x, y, sample_weight, batch_size, steps_per_epoch, initial_epoch, epochs, shuffle, class_weight, max_queue_size, workers, use_multiprocessing, model)
   1114     strategy = ds_context.get_strategy()
   1115     dataset = self._adapter.get_dataset()
-> 1116     if class_weight:
   1117       dataset = dataset.map(_make_class_weight_map_fn(class_weight))
   1118     self._inferred_steps = self._infer_steps(steps_per_epoch, dataset)

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all().

---

我认为应该修改

data\u adapter.py

文件，

class\u weights

是一个numpy数组，为了检查这个数组是否为空，我们必须使用

np.any（array）

，但是

keras

包中的python文件似乎没有做这项工作。

如果class\u weights是一个dim数组（train\u size，）您必须在sample_weight参数中传递它，而不是在接受字典对象的class_weight中传递它。这是否回答了您的问题？似乎Keras需要一个如线程中所建议的权重字典。