python - 在colab上-class_weight导致ValueError : The truth value of an array with more than one element is ambiguous.使用a.any()或a.all()

Question

我在Google Colab上运行带有Keras顺序的CNN。

我收到以下错误:
ValueError:具有多个元素的数组的真值不明确。使用a.any()或a.all()

当我从model.fit函数中删除class_weight参数时，错误消失并且网络得到了成功的训练。但是，我真的很想考虑不平衡的数据

我检查了我的class_weights向量的形状，它很好(和nd.array一样，就像从sklearn计算类权重函数生成class_Weights时所得到的一样)

不确定哪些细节相关，但我很乐意提供有关版本和所有困惑情况的更多细节。

。

可能很重要的事实-
我的数据是FER2013数据，而我正在使用FERplus标签。
意思是，我的样本不与一个唯一的类别相关联，而是每个样本对每个类别都有自己的概率分布。
最重要的是，我的标签是class_names大小的向量，所有元素加起来为1。

只是为了非常清楚，例如:
img1
标签= [0,0,0,0,0.2,0,0.3,0,0,0.5]

无论如何，我将class_weights计算为大小为10的nd.array，元素范围在0到1之间，应该平衡更多表示的类。

我不确定这是否与错误有关，但是我提出来是为了以防万一。

我的代码:

def create_model_plus():
  return tf.keras.models.Sequential([
    tf.keras.layers.Conv2D(filters=32,kernel_size=5,strides=1,input_shape=(48, 48, 1),padding='same',use_bias=True,kernel_initializer='normal',bias_initializer=tf.keras.initializers.Constant(0.1),activation=tf.nn.relu),
    tf.keras.layers.BatchNormalization(),
    tf.keras.layers.MaxPooling2D((2, 2), strides=2),
    tf.keras.layers.Conv2D(filters=64,kernel_size=5,strides=1,padding='same',use_bias=True,kernel_initializer='normal',bias_initializer=tf.keras.initializers.Constant(0.1),activation=tf.nn.relu),
    tf.keras.layers.BatchNormalization(),
    tf.keras.layers.MaxPooling2D((2, 2), strides=1),
    tf.keras.layers.Conv2D(filters=128,kernel_size=5,strides=1,padding='same',use_bias=True,kernel_initializer='normal',bias_initializer=tf.keras.initializers.Constant(0.1),activation=tf.nn.relu),
    tf.keras.layers.BatchNormalization(),    
    tf.keras.layers.MaxPooling2D((2, 2), strides=1),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(1008, activation='relu'),
    tf.keras.layers.Dropout(0.2),
    tf.keras.layers.Dense(512, activation='relu'),
    tf.keras.layers.Dense(10, activation='softmax')
  ])


history_df=[]
history_object=tf.keras.callbacks.History()
#save_best_object=tf.keras.callbacks.ModelCheckpoint('/Users/nimrodros', monitor='val_loss', verbose=1, save_best_only=True, save_weights_only=False, mode='auto', period=1)

early_stop_object=tf.keras.callbacks.EarlyStopping(monitor='val_loss',min_delta=0.001, patience=4)
gony_adam=tf.keras.optimizers.Adam(
    lr=0.001
)
reduce_lr = tf.keras.callbacks.ReduceLROnPlateau(monitor='val_loss', factor=0.3,patience=3, min_lr=0.0001, verbose=1)

#log_dir = "logs/fit/" + datetime.datetime.now().strftime("%Y%m%d-%H%M%S")
#tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir=log_dir, histogram_freq=1)

datagen = tf.keras.preprocessing.image.ImageDataGenerator(rotation_range=8, width_shift_range=0.2,
    height_shift_range=0.2,
    horizontal_flip=True,
    validation_split=0.3
    )
datagen.fit(images.reshape(28709,48,48,1))
model = create_model_plus()
model.compile(optimizer=gony_adam,
        loss='categorical_crossentropy',
        metrics=['accuracy'])
history = model.fit(x=datagen.flow(images.reshape(28709,48,48,1), FER_train_labels, batch_size=32,subset='training'),validation_data=datagen.flow(images.reshape(28709,48,48,1), FER_train_labels, batch_size=32,subset='validation'),steps_per_epoch=600,validation_steps=250,epochs=60,callbacks=[history_object,early_stop_object,reduce_lr],class_weight=cl_weigh)
history_df=pd.DataFrame(history.history)

希望有人知道该怎么办!
谢谢!!!

Answer 1

问题是sklearn API返回了一个numpy数组，但是keras需要字典作为class_weight的输入(请参阅here)。您可以使用以下方法解决该错误:

from sklearn.utils import class_weight
weight = class_weight.compute_class_weight('balanced', np.unique(y_train), y_train)
weight = {i : weight[i] for i in range(5)}