Question

在我的训练集中，我的课程没有得到平等的体现。因此，我试图使用model.fit函数的classWeight选项。引用文档：

classWeight ({[classIndex: string]: number})可选的字典映射类索引（整数）到权重（浮点数），以应用于训练过程中该类样本的模型损失。这可能有助于告诉模型“更多关注”来自代表性不足的类的样本。

所以这似乎正是我要寻找的东西，但是我无法弄清楚如何使用它。 classIndex在文档中没有其他地方，而且我不明白如何将类编写为索引。由于我的代码是一键编码，因此我什至尝试使用该索引（0用于[1,0,0]等），但是它没有用（请参见下文）。

这是一个最小的代码示例：

const xs = tf.tensor2d([ [1,2,3,4,5,6], /* ... */ ]); // shape: [1000,6]
const ys = tf.tensor2d([ [1,0,0], /* ... */ ]);       // shape: [1000,3] (one-hot encoded classes)

const model = tf.sequential();
// ... some layers

await model.fit(xs, ys, {
    /* ... */
    classWeight: {
        0: 10000, // doesn't do anything
        1: 1,
        2: 1,
    },
});

我希望我的模型“更多地关注”我的第一堂课（[1,0,0]），因此会更频繁地对其进行预测。但是看来Tensorflow.js只是忽略了该参数。

如何在Tensorflow.js中使用model.fit的classWeight选项？

0 个答案: