一尘不染

如何在Keras中使用fit_generator()加权类?

python

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

我在Keras中阅读了有关如何权衡损失以解决这一问题的其他方法,例如:https :
//datascience.stackexchange.com/questions/13490/how-to-set-class-weights-for-
imbalanced-classes-in
-keras,这很好地解释了。但是,它总是解释为 fit
()函数,而不是 fit_generator ()一个。

确实,在fit_generator()函数中,我们没有’ class_weights ‘参数,但是我们有’ weighted_metrics
‘,我不理解它的描述:“ weighted_metrics:在训练过程中要由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”?有人能举一个简单的例子吗?


阅读 299

收藏
2021-01-20

共1个答案

一尘不染

根据文档,我们class_weightfit_generator
Keras v.2.2.2 )中:

Class_weight
:可选的字典,将类索引(整数)映射到权重(浮点)值,用于对损失函数加权(仅在训练过程中)。这可能有助于告诉模型“更多关注”来自代表性不足的类的样本。

假设您有两个类[ ],则可以传递class_weightfit_generatorwith:

model.fit_generator(gen,class_weight=[0.7,1.3])
2021-01-20