使用.fit_generator()或.fit()将字典传递class_weight=为参数来训练图像分类器。

我从未在TF1.x中遇到错误，但在2.1中，开始训练时得到以下输出：

WARNING:tensorflow:sample_weight modes were coerced from
  ...
    to  
  ['...']

强制从...到['...']到底意味着什么？

tensorflow的回购中此警告的来源在此处，注释为：

尝试将sample_weight_modes强制转换为目标结构。这隐含地依赖于模型展平其内部表示的输出这一事实。

这似乎是假消息。升级到TensorFlow 2.1后，我得到了相同的警告消息，但是我根本不使用任何类权重或样本权重。我确实使用了一个生成器，该生成器返回这样的元组：

return inputs, targets

现在我将其更改为以下内容，以消除警告：

return inputs, targets, [None]

我不知道这是否相关，但是我的模型使用3个输入，因此我的inputs变量实际上是3个numpy数组的列表。 targets仅仅是单个numpy数组。

无论如何，这只是一个警告。无论哪种方式，培训都可以正常进行。

编辑TensorFlow 2.2：

这个错误似乎已在TensorFlow 2.2中修复，这很棒。但是，上面的修复将在TF 2.2中失败，因为它会尝试获取样本权重的形状，显然会导致AttributeError: 'NoneType' object has no attribute 'shape'。因此，在升级到2.2时，请撤消上述修复。

我相信这是tensorflow的错误，当您model.compile()使用默认参数sample_weight_mode=None调用然后model.fit()使用指定的sample_weight或调用时，将会发生此错误class_weight。

从张量流存储库中：

• fit() 最终致电 _process_training_inputs()
• _process_training_inputs() 集 sample_weight_modes = [None]基础上model.sample_weight_mode = None，然后创建一个DataAdapter与sample_weight_modes = [None]
• 在DataAdapter通话broadcast_sample_weight_modes()与sample_weight_modes = [None]中初始化
• broadcast_sample_weight_modes() 似乎期望 sample_weight_modes = None但收到[None]
• 它断言[None]与sample_weight/的结构不同class_weight，None通过适合sample_weight/ 的结构将其覆盖回去class_weight并输出警告

警告抛开这有没有影响fit()作为sample_weight_modes在DataAdapter重新设置为None。

请注意，tensorflow 文档指出sample_weight必须为numpy数组。如果调用fit()具有sample_weight.tolist()相反，你不会得到一个警告，但sample_weight被悄悄改写到None时_process_numpy_inputs()被称为预处理和接收长度更大的输入不止一个。

我已接管您的Gist并安装了Tensorflow 2.0，而不是TFA，并且在没有任何此类警告的情况下可以正常工作。

这是完整代码的要点。下面显示了安装Tensorflow的代码：

!pip install tensorflow==2.0

成功执行的屏幕截图如下所示：

更新：此错误已修复Tensorflow Version 2.2.

而不是提供字典

weights = {'0': 42.0, '1': 1.0}

我尝试了一个清单

weights = [42.0, 1.0]

警告消失了。