如何在Keras中使用fit_generator()来加权？

Question

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上阅读了关于如何权衡损失的不同内容,例如:https: //datascience.stackexchange.com/questions/13490/how-to-set-class-weights-for-imbalanced-classes-in -keras,很好地解释了.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？

Answer 1

我们class_weight在fit_generator(Keras v.2.2.2)根据文档:

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.

假设你有两个类[ 正面和负面 ],你可以传递class_weight给fit_generator:

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