在Colab中，class_weight导致了一个ValueError错误：数组的真值具有多个元素，这是不明确的。请使用a.any()或a.all()。

Question

我正在使用Keras Sequential在Google Colab上运行CNN。

我遇到了以下错误： ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

当我从model.fit函数中移除class_weight参数时，错误消失并且网络成功训练。但是，我真的想考虑不平衡的数据。

我检查了我的class_weights向量的形状，它很好（是nd.array，就像从sklearn计算类权重函数生成class_Weights时一样）。

不确定哪些详细信息是相关的，但我很乐意提供更多关于版本和所有混乱的细节。

附注： 可能很重要的一个事实- 我的数据是FER2013数据，并且我正在使用FERplus标签。 也就是说，我的样本与一个唯一的类别没有关联，而每个样本对于每个类别都有自己的概率分布。 总之，我的标签是具有class_names大小的向量，其中所有元素加起来为1。

为了非常清楚，这是一个例子： img1 label = [0,0,0,0,0.2,0,0.3,0,0,0.5]

无论如何，我计算出的class_weights是一个大小为10的nd.array，其元素介于0和1之间，旨在降低表示更多的类别的权重。

我不确定这是否与错误有关，但我提出这个问题以防万一。

我的代码：

def create_model_plus():
  return tf.keras.models.Sequential([
    tf.keras.layers.Conv2D(filters=32,kernel_size=5,strides=1,input_shape=(48, 48, 1),padding='same',use_bias=True,kernel_initializer='normal',bias_initializer=tf.keras.initializers.Constant(0.1),activation=tf.nn.relu),
    tf.keras.layers.BatchNormalization(),
    tf.keras.layers.MaxPooling2D((2, 2), strides=2),
    tf.keras.layers.Conv2D(filters=64,kernel_size=5,strides=1,padding='same',use_bias=True,kernel_initializer='normal',bias_initializer=tf.keras.initializers.Constant(0.1),activation=tf.nn.relu),
    tf.keras.layers.BatchNormalization(),
    tf.keras.layers.MaxPooling2D((2, 2), strides=1),
    tf.keras.layers.Conv2D(filters=128,kernel_size=5,strides=1,padding='same',use_bias=True,kernel_initializer='normal',bias_initializer=tf.keras.initializers.Constant(0.1),activation=tf.nn.relu),
    tf.keras.layers.BatchNormalization(),    
    tf.keras.layers.MaxPooling2D((2, 2), strides=1),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(1008, activation='relu'),
    tf.keras.layers.Dropout(0.2),
    tf.keras.layers.Dense(512, activation='relu'),
    tf.keras.layers.Dense(10, activation='softmax')
  ])


history_df=[]
history_object=tf.keras.callbacks.History()
#save_best_object=tf.keras.callbacks.ModelCheckpoint('/Users/nimrodros', monitor='val_loss', verbose=1, save_best_only=True, save_weights_only=False, mode='auto', period=1)

early_stop_object=tf.keras.callbacks.EarlyStopping(monitor='val_loss',min_delta=0.001, patience=4)
gony_adam=tf.keras.optimizers.Adam(
    lr=0.001
)
reduce_lr = tf.keras.callbacks.ReduceLROnPlateau(monitor='val_loss', factor=0.3,patience=3, min_lr=0.0001, verbose=1)

#log_dir = "logs/fit/" + datetime.datetime.now().strftime("%Y%m%d-%H%M%S")
#tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir=log_dir, histogram_freq=1)

datagen = tf.keras.preprocessing.image.ImageDataGenerator(rotation_range=8, width_shift_range=0.2,
    height_shift_range=0.2,
    horizontal_flip=True,
    validation_split=0.3
    )
datagen.fit(images.reshape(28709,48,48,1))
model = create_model_plus()
model.compile(optimizer=gony_adam,
        loss='categorical_crossentropy',
        metrics=['accuracy'])
history = model.fit(x=datagen.flow(images.reshape(28709,48,48,1), FER_train_labels, batch_size=32,subset='training'),validation_data=datagen.flow(images.reshape(28709,48,48,1), FER_train_labels, batch_size=32,subset='validation'),steps_per_epoch=600,validation_steps=250,epochs=60,callbacks=[history_object,early_stop_object,reduce_lr],class_weight=cl_weigh)
history_df=pd.DataFrame(history.history)

希望有人知道该怎么做！谢谢！！！

- ether212

Answer 1

问题在于sklearn API返回一个numpy数组，但是keras需要一个字典作为class_weight的输入（参见这里）。您可以使用以下方法解决错误：

from sklearn.utils import class_weight
weight = class_weight.compute_class_weight('balanced', np.unique(y_train), y_train)
weight = {i : weight[i] for i in range(5)}

- Paras Gulati

---

对于任意长度的权重向量，您可以使用：weights_dict = {i:w for i,w in enumerate(weight)} - Nir

Answer 2

class_weights = sklearn.utils.class_weight.compute_class_weight('balanced', np.unique(labels[i]), labels[i])
class_weights = {l:c for l,c in zip(np.unique(labels[i]), class_weights)}

- Sahar Millis