Python 为什么我的样本权重会破坏我的神经网络？

请注意，我对tensorflow和机器学习都是新手

我对一组不平衡数据进行了神经网络训练，因此我需要不同的样本权重

我的模型是这样构造的：

def loss(a1, a2):
    customloss = keras.backend.mean(keras.backend.square((a1 - a2)))
    return customloss

def build_model():
    model = keras.Sequential()
    model.add(keras.layers.Dense(101, activation=keras.activations.linear, input_shape=(101,)))
    model.add(keras.layers.Dense(101, activation=keras.activations.linear))
    model.add(keras.layers.Dense(101))

    optimizer = keras.optimizers.RMSprop(0.00001)

    model.compile(loss=loss, optimizer=optimizer, metrics=['mae', 'accuracy'])

    return model

我正在这样训练它：

EPOCHS=400
early_stop = keras.callbacks.EarlyStopping(monitor='val_loss', patience=20)
model = build_model()
history = model.fit(x, y, epochs=EPOCHS, validation_split=0.2, verbose=1, sample_weight=weights, callbacks=[early_stop])

其中，

weights

是形状的数组

（9171，）

，和

x

和

y

都具有形状

（9171101）

如果删除

sample\u weight

参数，网络将运行。但在安装好后，我会收到以下错误消息：

Epoch 1/400
Traceback (most recent call last):
  File "nnotest.py", line 153, in <module>
    history = model.fit(x, y, epochs=EPOCHS, validation_split=0.2, verbose=1, sample_weight=weights, callbacks=[early_stop])
  File "/home/star2/hgc4/.local/lib/python3.6/site-packages/tensorflow/python/keras/engine/training.py", line 780, in fit
    steps_name='steps_per_epoch')
  File "/home/star2/hgc4/.local/lib/python3.6/site-packages/tensorflow/python/keras/engine/training_arrays.py", line 363, in model_iteration
    batch_outs = f(ins_batch)
  File "/home/star2/hgc4/.local/lib/python3.6/site-packages/tensorflow/python/keras/backend.py", line 3292, in __call__
    run_metadata=self.run_metadata)
  File "/home/star2/hgc4/.local/lib/python3.6/site-packages/tensorflow/python/client/session.py", line 1458, in __call__
    run_metadata_ptr)
tensorflow.python.framework.errors_impl.InvalidArgumentError: Can not squeeze dim[0], expected a dimension of 1, got 32
     [[{{node loss_1/dense_8_loss/weighted_loss/Squeeze}}]]

1/400纪元
回溯（最近一次呼叫最后一次）：
文件“nnotest.py”，第153行，在
history=model.fit（x，y，epochs=epochs，validation\u split=0.2，verbose=1，sample\u weight=weights，callbacks=[early\u stop]）
文件“/home/star2/hgc4/.local/lib/python3.6/site packages/tensorflow/python/keras/engine/training.py”，第780行
步骤（名称=“每个时代的步骤”）
文件“/home/star2/hgc4/.local/lib/python3.6/site packages/tensorflow/python/keras/engine/training\u arrays.py”，第363行，在模型迭代中
批量输出=f（批量输入）
文件“/home/star2/hgc4/.local/lib/python3.6/site packages/tensorflow/python/keras/backend.py”，第3292行，在__
run\u元数据=self.run\u元数据）
文件“/home/star2/hgc4/.local/lib/python3.6/site packages/tensorflow/python/client/session.py”，第1458行，在__
运行_元数据_ptr）
tensorflow.python.framework.errors\u impl.InvalidArgumentError:无法压缩dim[0]，应为1，得到32
[{{node loss_1/稠密_8_loss/加权_loss/挤压}}]]

---

我有我的想法，为什么这可能不起作用。我知道它可能试图将我的1D数组解析为默认的批大小32，但我不明白为什么。从阅读中可以看出，您可以添加一个1D数组来构成从权重到训练数据的1D映射，所以这应该很容易？我遗漏了什么？

因为你丢失的东西没有样品。你得到了一个全球平均值

如果您想要的是均方误差，请使用

loss='mse'

编译

如果还有其他问题，请不要折叠批次维度（轴=0）：

---

你们的标签是什么？你的网络输出一个矩阵NX101，我不确定你的意思。我指的是你的

y.shape

的形状。它应该与网络的输出Sabey的形状相同（9171, 101），如x.d：请考虑将答案标记为“正确”：

def loss(true, pred):
    return keras.backend.mean(keras.backend.square(true-pred), axis=-1)