相关疑难解决方法(0)

我是深度学习的新手，我正在尝试实现卷积神经网络。当我拟合模型时，我传递了 3 个变量：

- Predict_Representation：形状为 (7, 255,355,54) 的 4D 矩阵 - 该矩阵由来自图像的 1-Hot 编码的 7 个样本组成。

- 目标表示：形状为 (7, 255,355,10) 的 4D 矩阵 - 这是由 7 个样本、10 个类别组成的目标矩阵

- 类别权重：由 10 个元素组成的字典，每个类别的权重

问题是：当我拟合模型时，它向我显示此错误 ---“ValueError：class_weight不支持 3+ 维目标。”

纠正此错误的最佳方法是什么？下面我将展示这部分代码

使用Keras在高度不平衡的数据集上进行图像分割，我想按此处所述按与每个类别中的像素值成比例的比例对类别进行重新加权。如果一个具有的二进制类weights = [0.8, 0.2]，如何K.sparse_categorical_crossentropy(y_true, y_pred)根据像素所属的类进行修改以重新加权损失？

输入具有形状(4, 256, 256, 1)（批处理，高度，宽度，通道），输出是0和1 (4, 65536, 1)（正和负类）的向量。模型和数据与此处的模型和数据相似，不同之处在于图像是灰度图像，而蒙版是二进制（2类）。