ValueError: class_weight is only supported for Models with a single output.

问题描述

在使用keras时，由于正负样本不平衡，打算在fit函数中使用参数class_weight进行正负样本权重的调节。

cw = {0: 1, 1: 20}
self.model.fit({"g_input": g, "p_input": p}, {"out": y}, epochs=self.args.epochs, batch_size=self.args.batch_size, verbose=1, class_weight=cw)

结果运行时报错：

ValueError: `class_weight` is only supported for Models with a single output.

解决

报错位置：

if nest.is_nested(y):
  raise ValueError(
  "`class_weight` is only supported for Models with a single output.")
  
def is_nested(seq):
  """Returns true if its input is a collections.abc.Sequence (except strings).
  	>>> tf.nest.is_nested("1234")
    False

    >>> tf.nest.is_nested([1, 3, [4, 5]])
    True

    >>> tf.nest.is_nested(((7, 8), (5, 6)))
    True

    >>> tf.nest.is_nested([])
    True

    >>> tf.nest.is_nested({"a": 1, "b": 2})
    True

    >>> tf.nest.is_nested({"a": 1, "b": 2}.keys())
    True

    >>> tf.nest.is_nested({"a": 1, "b": 2}.values())
    True

    >>> tf.nest.is_nested({"a": 1, "b": 2}.items())
    True

    >>> tf.nest.is_nested(set([1, 2]))
    False

    >>> ones = tf.ones([2, 3])
    >>> tf.nest.is_nested(ones)
    False

处理

当时使用函数式api写模型时，由于是多输入的，因此使用了字典的方式赋值，这里由于输出是字典（is a collections）因此上面报错。改成如下形式即可。

cw = {0: 1, 1: 1}
self.model.fit(x, y, epochs=self.args.epochs,
                       batch_size=self.args.batch_size, verbose=1, class_weight=cw)