keras-“ sample_weight”在零通过时产生NaN-对于不平衡数据也不有效

Question

我正在设计一个具有两个输出aws s3 ls s3://portal-storage-site/2e5d0599-119/ 2e5d0599-120/ 6f08a223-118/ ba67667e-121/ ba67667e-122/ 和y的模型，其中dy的训练数据比y多，而位置（x）这些数据点是相同的（请检查下面的图像）。

我正在dy中用sample_weight处理此问题。有两个问题：

1. 如果我通过“零”作为样本权重，则在第一次训练后，它将得出keras.model.fit。相反，我必须通过一个非常小的数字，我不确定它如何影响培训。

2. 如果我有多个输出，其中许多在很少的位置具有可用的训练数据，则效率低下。因为，所有训练数据都将包含在更新中。还有其他方法可以处理这种情况吗？

请注意，Keras对模型进行了很好的训练，但是，我正在寻找一种更有效的方法来传递NaN来获得不需要的权重。

请检查以下代码：

zero