警告：tensorflow：sample_weight 模式被强制从 ... 到 ['...']

Question

使用.fit_generator()or训练图像分类器.fit()并将字典传递给class_weight=作为参数。

我在 TF1.x 中从未出错，但在 2.1 中，我在开始训练时得到以下输出：

WARNING:tensorflow:sample_weight modes were coerced from
  ...
    to  
  ['...']

将某物从 强制...到是什么意思['...']？

了解关于这一警告源tensorflow的回购是在这里，摆放的意见是：

尝试将 sample_weight_modes 强制为目标结构。这隐含地取决于模型将其内部表示的输出展平的事实。

Answer 1

这似乎是一条虚假消息。升级到 TensorFlow 2.1 后，我收到相同的警告消息，但我根本不使用任何类权重或样本权重。我确实使用了一个返回这样的元组的生成器：

return inputs, targets

现在我只是将其更改为以下内容以使警告消失：

return inputs, targets, [None]

我不知道这是否相关，但我的模型使用 3 个输入，所以我的inputs变量实际上是 3 个 numpy 数组的列表。 targets只是一个 numpy 数组。

无论如何，这只是一个警告。无论哪种方式，培训都可以正常工作。

针对 TensorFlow 2.2 进行编辑：

这个 bug 似乎在 TensorFlow 2.2 中已经修复了，这很棒。然而，上面的修复将在 TF 2.2 中失败，因为它会尝试获取样本权重的形状，这显然会失败AttributeError: 'NoneType' object has no attribute 'shape'。所以在升级到 2.2 时撤消上述修复。

Answer 2

我相信这是 tensorflow 的一个错误，当您model.compile()使用默认参数sample_weight_mode=None调用然后model.fit()使用指定的sample_weight或class_weight.

从张量流回购：

• fit() 最终打电话 _process_training_inputs()
• _process_training_inputs() 设置 sample_weight_modes = [None]基于model.sample_weight_mode = None然后创建一个DataAdapterwithsample_weight_modes = [None]
• 在DataAdapter通话broadcast_sample_weight_modes()与sample_weight_modes = [None]中初始化
• broadcast_sample_weight_modes() 似乎期待 sample_weight_modes = None但收到[None]
• 它断言这[None]是与sample_weight/不同的结构class_weight，None通过拟合sample_weight/的结构将其覆盖回，class_weight并输出警告

警告抛开这有没有影响fit()作为sample_weight_modes在DataAdapter重新设置为None。

请注意，tensorflow文档指出它sample_weight必须是一个 numpy 数组。如果改为调用fit()with sample_weight.tolist()，则不会收到警告，但会sample_weight被静默覆盖到Nonewhen_process_numpy_inputs()在预处理中调用并接收长度大于 1 的输入。

Answer 3

我已经采用了您的 Gist 并安装了 Tensorflow 2.0，而不是 TFA，并且它在没有任何此类警告的情况下工作。

这是完整代码的要点。安装 Tensorflow 的代码如下所示：

!pip install tensorflow==2.0

执行成功截图如下：

更新：此错误已在Tensorflow Version 2.2.