在 Keras 回调中更新样本权重？

Question

我正在尝试编写一个自定义回调，该回调将在 epoch 结束时更新样本权重。我用原始权重初始化自定义回调，但我不确定如何确保 keras 使用回调中定义的新样本权重来拟合模型。这是我的代码的一个简单示例（* 2 是一个示例，实际上不应该做任何事情）。

class update_weights(tf.keras.callbacks.Callback):
    def __init__(self, sample_weight):
        self.sample_weight = sample_weight

    def on_epoch_end(self, epoch, logs={}):
        self.sample_weight = self.sample_weight * 2

似乎可以从简单的 self.model 访问模型参数。但是我很难访问 fit 函数的参数。甚至可能吗？我可以在校准模型时修改拟合函数的参数吗？

Answer 1

现在我明白了你想要完成什么，这是一个有趣的问题。 我想知道样本权重是否真的在 model.fit 中发生变化（我怀疑是这样）你可以在 on_epoch_end 中选择一个时期，然后将那个时期的 sample_weight 设置为全零。据推测，如果实际上这会在您运行下一个 epoch 时改变 model.fit 中的值，那么由此产生的损失应该会有很大的不同。尝试类似

 def on_epoch_end(self, epoch, logs={}):
        is epoch==3:
            self.sample_weight = self.sample_weight * 0

如果样本权重真正发生变化，则在第 4 阶段，我预计损失为零。让我知道会发生什么。