标签： python keras gpu google-colaboratory
我正在使用Google colab中的GPU在keras上的200个班级的微型图像网络上进行培训。验证集的大小为10K，每个类别有50个样本。 我的验证准确性为48.5％，某些类别的正确预测值很低，例如50分之3。 为了在同一架构（简化的密集网络）上实现更高的准确性， 我正在考虑使用model.fit_generator的 class_weight参数。
我已经看到class_weights用于平衡不平衡的类，但不适用于低精度的类。那么这可行吗，并且有什么好的参考吗？