Tensorflow 在tf.keras中是否打破了val_样品重量？

我似乎无法使用

model.fit（）

使

val\u sample\u weights

处理验证数据。 我对

val\u-sample\u-weight

的理解是，假设它与

sample\u-weight

完全相同，这样在使用

sample\u-weight

进行训练时，可以直接比较报告的

loss

和

val\u-loss

从下面的示例代码中，我们可以看到，当将

sample\u weight

设置为零时，

loss

变为零，但将

val\u sample\u weights

设置为零时，

val\u loss

不受影响

我是否在这里遗漏或误解了什么，或者这看起来像是

val\u sample\u weights

在

tf.keras

中没有用处？可能是tf.keras中的一个bug？我在Windows上，tensorflow版本1.14.0

如果您想自己测试，下面是一个工作示例：

将tensorflow导入为tf
将numpy作为np导入
数据大小=100
输入大小=3
种子=1
#同步列车数据
x\u train=np.random.rand（数据大小、输入大小）
y_序列=np.random.rand（数据大小，1）
#合成测试数据
x_测试=np.random.rand（数据大小、输入大小）
y_检验=np.random.rand（数据大小，1）
tf.random.set_random_seed（种子）
#创建模型
输入=tf.keras.layers.Input（形状=（输入大小））
pred=tf.keras.layers.density（1，activation='sigmoid'）（输入）
模型=tf.keras.models.model（输入=输入，输出=预测）
损失=tf.keras.loss.MSE
指标=tf.keras.loss.MAE
compile（loss=loss，metrics=[metrics]，optimizer='adam'）
#将模型设置为静态，以便我们可以在不同场景之间进行比较
对于model.layers中的图层：
layer.trainable=错误
#基本模型无权重（与无类权重的结果相同）
模型拟合（x=x\u序列，y=y\u序列，验证数据=（x\u测试，y\u测试））
#哪些产出：
#>100/100[==================================================================-0s 1ms/样本-损耗：0.0851-平均绝对误差：0.2511-val损耗：0.0900-val平均绝对误差：0.2629
#将样本权重更改为零，因此损失和价值损失应为零，度量应相同
样本重量系列=np.零（100）
样本重量=np.零（100）
模型拟合（x=x\u序列，y=y\u序列，样本重量=样本重量，验证数据=（x\u测试，y\u测试，样本重量）
#哪些产出：
#>100/100[========================================================================-0s 860us/样本-损耗：0.0000e+00-平均绝对误差：0.2507-val损耗：0.0899-val平均绝对误差：0.2627