Python 对于具有多个输出的模型,尝试批量训练时,Keras中的样本重量存在问题
我正在使用Keras来训练一个深度神经网络。我使用批上训练功能训练我的模型。我的模型有两个输出。我打算做的是,根据每个样本的特定值修改每个样本的损失。因此,根据Keras文件 我需要为sample\u weight参数指定两个不同的权重。 下面是我的代码,其中每批代码都有四个培训示例:Python 对于具有多个输出的模型,尝试批量训练时,Keras中的样本重量存在问题,python,tensorflow,machine-learning,keras,deep-learning,Python,Tensorflow,Machine Learning,Keras,Deep Learning,我正在使用Keras来训练一个深度神经网络。我使用批上训练功能训练我的模型。我的模型有两个输出。我打算做的是,根据每个样本的特定值修改每个样本的损失。因此,根据Keras文件 我需要为sample\u weight参数指定两个不同的权重。 下面是我的代码,其中每批代码都有四个培训示例: wights=[12,10,31,1]; mod_loss = mymodel.train_on_batch([X_train], [Y1, Y2],sample_weight=[wights,[1.0,1.
wights=[12,10,31,1];
mod_loss = mymodel.train_on_batch([X_train], [Y1, Y2],sample_weight=[wights,[1.0,1.0,1.0,1.0]])
我使用sample\u weight仅对第一个输出进行加权,而不对第二个输出进行加权。运行代码时,出现以下错误:
File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/keras/engine/training.py", line 1211, in train_on_batch
class_weight=class_weight)
File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/keras/engine/training.py", line 801, in _standardize_user_data
feed_sample_weight_modes)
File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/keras/engine/training.py", line 799, in <listcomp>
for (ref, sw, cw, mode) in
File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/keras/engine/training_utils.py", line 470, in standardize_weights
if sample_weight is not None and len(sample_weight.shape) != 1:
AttributeError: 'list' object has no attribute 'shape'
我有一个错误:
File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/keras/engine/training.py", line 1211, in train_on_batch
class_weight=class_weight)
File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/keras/engine/training.py", line 794, in _standardize_user_data
sample_weight, feed_output_names)
File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/keras/engine/training_utils.py", line 200, in standardize_sample_weights
'sample_weight')
File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/keras/engine/training_utils.py", line 188, in standardize_sample_or_class_weights
str(x_weight))
TypeError: The model has multiple outputs, so `sample_weight` should be either a list or a dict. Provided `sample_weight` type not understood: [[12.0 10.0 31.0 1.0]
[ 1. 1. 1. 1. ]]
我有点困惑,我不确定这是否是Keras实现中的bug。我在网上几乎找不到任何与此相关的工作或问题。有什么想法吗?我也有同样的问题,我不知道这是否是库中的错误,或者我们可能无法正确传递数组。我已经成功地将列表强制转换为文件training_utils.py中的numpy数组,同时传递没有名称但按样本排序的数组 我用另一种方式解决了这个问题。 如果输出为Y1和Y2,并且它们的层名称为
Y1\u layername
和Y2\u layername
,并且假设您只想将权重向量应用于Y2(例如,Y2是长度为4的向量),则可以这样编写代码:
wights=[12,10,31,1];
mod_loss = mymodel.train_on_batch([X_train], [Y1, Y2],sample_weight={"y2_layername":wights})
我测试了它,它工作正常我自己找到了解决方案。我把答案放在这里。由于缺乏文档,这并不是一件小事,但这件对我来说很有用。希望这也适用于您如果样品重量等于零怎么办?相应的样本会发生什么情况?@javac您的意思是如果所有样本的重量都为零?然后就像你所有的数据样本都等于零,我怀疑你是否打算进入。不是训练权重,我是说样本权重,我是说样本权重,我是说样本权重,我是说模型
wights=[12,10,31,1];
mod_loss = mymodel.train_on_batch([X_train], [Y1, Y2],sample_weight={"y2_layername":wights})