百度了好久，沒有找到與sample_weight相關(guān)的博客，于是自己摸索一下。
sample_weight是keras中的fit的參數(shù)，中文文檔介紹如下：

簡(jiǎn)單點(diǎn)的解釋如下：參考https://blog.csdn.net/weixin_40755306/article/details/82290033#commentBox

sample_weight的作用就是為數(shù)據(jù)集中的數(shù)據(jù)分配不同的權(quán)重。

我的例子是要將數(shù)據(jù)集的數(shù)據(jù)分為三類，用0，1，2代表這三類，我這里想為0分配權(quán)重0.3，為1分配權(quán)重1，為2分配權(quán)重2.。
我的數(shù)據(jù)是存儲(chǔ)在csv文件中的，我提取出標(biāo)簽列表，標(biāo)簽列表的內(nèi)容是0，1，2的集合，列表名稱為y_train。我用下面代碼生成一個(gè)權(quán)重的列表：

sample_weights=[] for sw in range(len(y_train)):if y_train[sw]==0:sample_weights.append(0.3)if y_train[sw]==1:sample_weights.append(1)if y_train[sw]==2:sample_weights.append(2) sample_weights=np.array(sample_weights)

當(dāng)標(biāo)簽為0時(shí)， sample_weights添加0.3，當(dāng)標(biāo)簽為1時(shí)， sample_weights添加1，當(dāng)標(biāo)簽為2時(shí)， sample_weights添加2。
這里記得不要漏了最后一行，將列表轉(zhuǎn)化為numpy數(shù)組。因?yàn)閟ample_weight只能是numpy數(shù)組。
創(chuàng)建好數(shù)組之后，下一步是要在compile中添加一個(gè)參數(shù)，先看看是添加哪個(gè)參數(shù)：

這里的sample_weight_mode分為兩種形式，如果你的權(quán)重形式是像我這樣的，就是1D，那sample_weight_mode就設(shè)置為None。2D的形式還沒試過，但如果用2D形式，那sample_weight_mode就要設(shè)置為sample_weight_mode=‘temporal’ 。

compile設(shè)置完就要設(shè)置fit了，我的模型有兩個(gè)輸出，但是我只想設(shè)置分類輸出，我這里的分類輸出層命名為’classifier’。那就在fit中添加一個(gè)參數(shù)：

sample_weight={'classifier' : sample_weights}

sample_weights是我們上面定義的數(shù)組。

這樣便可簡(jiǎn)單實(shí)現(xiàn)對(duì)數(shù)據(jù)的加權(quán)。

總結(jié)

以上是生活随笔為你收集整理的keras中sample_weight的使用的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。