Skip to main content
 首页 » 编程设计

python之如何在 Keras 中使用样本权重进行数据扩充

2025年02月15日7虾米姐

我正在尝试在像素级分割任务中将样本加权与 ImageGenerator 结合使用。

  • 图像和 mask 是 numpy 数组 (634, 1, 64, 64)
  • 掩码有 5 个类别(编码为 0 到 4)
  • sample_weight 是一个数组(634, 64, 64)
  • 使用 .flow 对具有相同 seed=42 和 batch_size=32 的 2 个生成器进行数据扩充
  • 正在使用 sample_weight_mode='temporal' 编译模型
  • Unet 模型中的最后 3 层是:

    conv2d_19 (Conv2D)  (None, 5, 64, 64)     325         
    dropout_18[0][0]                  
     
    conv2d_20 (Conv2D)  (None, 1, 64, 64)     6           
    conv2d_19[0][0]                   
     
    activation_1 (Activation) (None, 1, 64, 64)     0 
    conv2d_20[0][0] 
    

这会引发错误:

ValueError:找到一个形状为 (634, 64, 64) 的 sample_weight 数组。为了使用时间步长样本加权,您应该传递一个 2D sample_weight 数组。

如果我将 sample_weight reshape 为 (634, 4096) 我得到:

ValueError:为形状为 (32, 1, 64, 64) 的输入找到形状为 (634, 4096) 的 sample_weight 数组。 sample_weight 无法广播。

这是我对如何使用 ImageGenerator 的误解还是它无法处理这种特殊情况?

如果我不使用样本权重,模型会运行并且不会抛出任何错误。

凯拉斯 2.0.4,西诺 0.9

请您参考如下方法:

Keras 样本权重在默认模式下采用一维数组(每个特征一个权重)作为输入,在时间模式下采用二维数组作为输入。临时模式可能适合您,但您需要进行以下更改。基本上,Keras 不支持 3D 权重,因此您必须在输入处展平 64x64 图像,并在卷积层之前将张量 reshape 为 2D。

1) 将 sample_weight reshape 为 634,4096

2) 添加一个输入层,接受 4096 像素长的扁平图像:Keras 现在将接受每个像素的权重,将像素视为时间序列(一维信号)

3) 在第一个2D卷积之前添加一个Reshape层