我在互联网上阅读了类似的问题，但没有一个答案可以帮助我。我有一个函数，可以为每一行数据（数据大约有 2'000'000 行）做一些事情，然后根据它所做的事情用不同的参数调用相同的函数。问题是，过了一会儿，我在终端中收到此错误：“致命的 Python 错误：无法从堆栈溢出中恢复。”
看起来导致这个错误最常见的错误是无限循环，但我控制并没有无限循环。因此，对我来说，'sys.getrecursionlimit()' 设置为 3000 的问题，这意味着在 3000 次调用同一函数后，它会给我错误。
首先，我不明白“致命的 Python 错误：无法从堆栈溢出中恢复”之间的区别。在终端中，或在 jupyternotebook 中出现“RecursionError：比较时超出最大递归深度”。事实上，对我来说它可能来自同样的错误（例如无限循环）。
当用一个简单的名为“test_”的函数替换我的函数时，我有以下代码：
import sys
print(sys.getrecursionlimit())
def test_(x,t):
x = x+1
if x<t:
test_(x=x,t=t)
print(test_(0,2971)) # output: None
print(test_(0,2972)) # RecursionError: maximum recursion depth exceeded in comparison
3000
没有任何
-------------------------------------------------- ------------------------- RecursionError Traceback (最近调用 last) in () 8 9 print(test_(0,2971)) --- > 10 打印(test_(0,2972))
在 test_(x, t) 5 x = x+1 6 if x 7 test_(x=x,t=t) 8 9 打印(test_(0,2971))
... 重复最后 1 帧，从下面的帧开始...
在 test_(x, t) …
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？