相关疑难解决方法(0)

这是我正在使用的代码（主要从Kaggle提取）：

inputs = Input((IMG_HEIGHT, IMG_WIDTH, IMG_CHANNELS))
...
outputs = Conv2D(4, (1, 1), activation='sigmoid') (c9)

model = Model(inputs=[inputs], outputs=[outputs])
model.compile(optimizer='adam', loss='dice', metrics=[mean_iou])

results = model.fit(X_train, Y_train, validation_split=0.1, batch_size=8, epochs=30, class_weight=class_weights)

我有4个班级非常不平衡。A级等于70％，B级= 15％，C级= 10％，D级= 5％。但是，我最关心D类。因此，我进行了以下类型的计算：D_weight = A/D = 70/5 = 14B类和A类的权重依此类推。（如果有更好的方法来选择这些权重，那就放心了）

在最后一行，我想正确设置class_weights和我做它像这样：class_weights = {0: 1.0, 1: 6, 2: 7, 3: 14}。

但是，当我这样做时，出现以下错误。

class_weight 3维尺寸目标不支持。

是否可以在最后一层之后添加一个密集层并将其用作虚拟层，以便我可以传递class_weights然后仅使用最后一个conv2d层的输出进行预测？

如果这不可能，那么我将如何修改损失函数（不过我知道这篇文章，但是，将权重传递给损失函数并不会减少损失，因为损失函数是针对每个类分别调用的）？目前，我正在使用以下损失函数：

def dice_coef(y_true, y_pred):
    smooth = 1.
    y_true_f = K.flatten(y_true)
    y_pred_f = K.flatten(y_pred)
    intersection = K.sum(y_true_f * y_pred_f)
    return (2. * …