python - 如何在Keras中使用fit_generator()加权类？

Question

我正在尝试使用keras来拟合CNN模型以对图像进行分类。数据集包含来自某些类别的更多图像，因此其不平衡。

我在Keras中读到了关于如何权衡损失以解决这一问题的另一件事，例如:
https://datascience.stackexchange.com/questions/13490/how-to-set-class-weights-for-imbalanced-classes-in-keras，这很好地解释了。但是，它总是解释为 fit ()函数，而不是 fit_generator ()一个。

确实，在fit_generator()函数中，我们没有' class_weights '参数，但是我们有' weighted_metrics '，我不理解其描述:“weighted_metrics:要通过sample_weight评估或加权的指标列表训练和测试期间的class_weight。”

如何从“class_weights”传递到“weighted_metrics”？有人能举一个简单的例子吗？

Answer 1

根据docs，我们在class_weight中有fit_generator( Keras v.2.2.2 ):

Class_weight: Optional dictionary mapping class indices (integers) to a weight (float) value, used for weighting the loss function (during training only). This can be useful to tell the model to "pay more attention" to samples from an under-represented class.

假设您有两个类(正数和负数)，则可以使用以下方式将 class_weight传递给 fit_generator:

model.fit_generator(gen,class_weight=[0.7,1.3])