我有一个正在训练的GRU，用于检测特定的单词。
我已经生成了500个以上的触发词示例（1个第二剪辑）和500个否定词示例。我结合了这些5秒背景素材的片段，以创建10000个示例。从这些示例中，我进行了训练，验证和测试数据集。
GRU试图预测触发词是否刚刚被说出。但是每个样本中都有很大的类不平衡。
输入为（1、2754、101）--->（例如＃，输入时间步长＃，频率＃
标签/输出为（1，685，1）--->（示例＃，输出时间步长的＃，1或0，取决于最近是否说过触发字。
问题在于，给定示例中大约93％的时间步长被标记为0，而不是1。根据示例，您选择了被标记为1的输出步长的7％，可以位于输出中的任何位置。目前，如果我仅按原样运行网络，则该网络只会学习将所有内容预测为0。
我应该如何解决这个问题？
我专心研究了使用sample_weight，sample_weight_mode ='temporal和class_weights（尽管我认为它不适用于3D输出）。
我还研究了制作自定义损失函数来计算F1分数的方法，但我对此深表担忧。
如果有人能指出我正确的方向，我将不胜感激。
谢谢！
编辑 为了清楚起见，这是我的代码的编译和匹配行
opt = Adam(lr=0.0001, beta_1=0.9, beta_2=0.999, decay=0.01)
model.compile(loss='binary_crossentropy', optimizer=opt, metrics=["accuracy"])
history = model.fit(x=X, y=Y, batch_size=100, epochs=100, verbose=1, callbacks=callback_list, validation_data=(X_val, Y_val), shuffle=True)