如何在Keras中使用fit_generator（）来加权？ [关闭]

Posted 2023-01-29

我正在尝试使用keras来拟合CNN模型来对图像进行分类。数据集具有来自某些类的更多图像，因此其不平衡。

我在Keras中读到了如何权衡损失的不同之处，例如：https://datascience.stackexchange.com/questions/13490/how-to-set-class-weights-for-imbalanced-classes-in-keras，这是很好的解释。但是，它总是解释fit（）函数，而不是fit_generator（）函数。

实际上，在fit_generator（）函数中我们没有'class_weights'参数，而是我们有'weighted_metrics'，我不理解它的描述：“weighted_metrics：在训练期间由sample_weight或class_weight评估和加权的指标列表测试“。

如何从“class_weights”传递到“weighted_metrics”？有人会有一个简单的例子吗？

答案

我们在class_weight（Keras v.2.2.2）中有fit_generator根据docs：

Class_weight：可选字典将类索引（整数）映射到权重（浮点）值，用于加权损失函数（仅限训练期间）。这可以用来告诉模型“更多地关注”来自代表性不足的类的样本。

假设您有两个类[正面和负面]，您可以将class_weight传递给fit_generator：

model.fit_generator(gen,class_weight=[0.7,1.3])