使用分类交叉熵的类权重时遇到问题答案

【问题标题】：Trouble using class weight with categorical cross Entropy使用分类交叉熵的类权重时遇到问题
【发布时间】：2019-02-01 17:56:13
【问题描述】：

我正在使用 Keras 在许多 256x256 2D 图像中执行逐像素多类分类。由于我拥有的数据量和类 (32)，我在训练期间使用图像生成器将数据输入网络。生成器的主要目的是对我的基本事实进行一次热编码，最终大小为 256x256x32（如果我尝试事先进行一次热编码，则会收到 OOM 错误）。

但是，当我在拟合模型时尝试使用 class_weight 设置时，我收到一条错误消息，指出它不支持 3+ 维目标。我已经展平了我的图像，所以输出是大小（批量大小，65536、32）。我不明白我应该如何将它们设为 2D。我不能使用 sample_weight 设置，因为 model.fit_generator 没有那个设置。

这是我的数据生成器的代码。

def generator(features, labels, batch_size):
# Create empty arrays to contain batch of features and labels#
batch_features = np.zeros((batch_size, 256, 256, 1))
batch_labels = np.zeros((batch_size,256*256,32))
while True:
    for i in range(batch_size):
        # choose random index in features
        #index= random.choice(len(features),1)
        index=i
        batch_features[i] = features[index]
        batch_labels[i] = keras.utils.to_categorical(labels[index],num_classes=32)
    yield batch_features, batch_labels

【问题讨论】：

标签： python class tensorflow keras

【解决方案1】：

您可以根据documentation 在您的生成器（自定义）中使用样本权重

generator：生成器或 Sequence (keras.utils.Sequence) 对象的实例，以避免在使用多处理时出现重复数据。生成器的输出必须是

a tuple (inputs, targets)
a tuple (inputs, targets, sample_weights).

【讨论】：