Chkdsk 运行 出现（警告！ 没有指定F参数 用只读模式运行Chkdsk）

Posted 2023-04-24

之后完成100 就自动关了怎么办
无法输入 命令
之后

开机马上按F8不动，选安全模式进行修复试试，也是下面的方法，在安全模式和正常模式一样，有问题请追问。

如果你是右下角出现文件损坏提示你用chkdsk工具，如果是，请看下面的方法。

这是磁盘出了问题请修复一下（每个磁盘都修复一下或只修复C）。

系统自带的磁盘修复方法：
具体步骤如下：在我的电脑中选中盘符C 后单击鼠标右键选属性，在弹出的驱动器属性窗口中依次选择“工具→开始检查”并选择“自动修复文件系统错误”和“扫描并恢复坏扇区”，然后点击开始，扫描时间会因磁盘容量及扫描选项的不同而有所差异（按上面的方法做后，会弹出一个框，点是，自动关机后在开机进行修复，Win7选按计划磁盘检查按钮）。

硬盘坏道将导致电脑系统文件损坏或丢失，电脑无法启动或死机。硬盘坏道可以采用NDD磁盘工具或Scandisk来修复。

如果故障依旧，请还原一下系统或重装（还是不行格式化硬盘重新分区重装，在不行就要换硬盘了，或检修一下去吧）。 参考技术A 是这样的 你不加任何参数运行chkdsk就只是检查磁盘
chkdsk C: /F 这条命令就是检查并尝试修复磁盘错误 对系统的有些问题比如系统运行非常慢 反复重启等很有效果
晕 那你这个两个的窗口是怎么打开的？

以上命令请在cmd下或在运行中运行

警告：精度和 F 分数定义不明确，在没有预测样本的标签中设置为 0.0。使用 `zero_division` 参数

【中文标题】警告：精度和 F 分数定义不明确，在没有预测样本的标签中设置为 0.0。使用 `zero_division` 参数

【英文标题】：Warning: Precision and F-score are ill-defined and being set to 0.0 in labels with no predicted samples. Use `zero_division` parameter

【发布时间】：2021-10-02 16:27:51

【问题描述】：

谁能帮我解决这个错误：

警告：精度和 F 分数定义不明确，在没有预测样本的标签中设置为 0.0。使用zero_division 参数来控制此行为。 _warn_prf（平均值，修饰符，msg_start，len（结果））

当我添加亚当的调整参数时出现错误。

#tunning parameter from keras.optimizers import Adam
optimize = Adam(learning_rate=0.00001,beta_1=0.9,beta_2=0.99)
model.compile(optimizer=optimize,loss='categorical_crossentropy', metrics=['accuracy'])

有人理解这段代码的错误吗？

from sklearn.metrics import confusion_matrix, classification_report
prediksi = model.predict(test_data_generator)
y_pred = np.argmax(prediksi, axis=1)
print(confusion_matrix(test_data_generator.classes,y_pred))
print(classification_report(test_data_generator.classes,y_pred))

我也尝试过使用labels=np.unique(y_pred)，但结果没有显示出准确度的值

【问题讨论】：

欢迎来到 ***！您会注意到这实际上不是错误，而是警告。它也不会发生在 Adam 行中，而是发生在 classification_report 行中——这是因为分类报告计算 F1。

【参考方案1】：

出现此警告是因为 y_true 包含您的预测 (y_pred) 中不存在的标签，如下例所示：

import numpy as np
from sklearn.metrics import confusion_matrix, classification_report

y_pred = np.ones(10,)
y_true = np.ones(10,)
y_true[0]=0
print(confusion_matrix(y_true,y_pred))
print(classification_report(y_true,y_pred))

您可以通过设置classification_report argumentzero_division=1 来消除此警告。

但这并不明智，因为它表明你的分类器有问题。