Formation d'un classificateur d'images en utilisant .fit_generator()ou .fit()et en passant un dictionnaire à class_weight=comme argument.

Je n'ai jamais eu d'erreurs dans TF1.x mais en 2.1 j'obtiens la sortie suivante lors du démarrage de la formation:

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

Que signifie contraindre quelque chose de ...à ['...']?

La source de cet avertissement sur tensorflowle dépôt est ici , les commentaires placés sont:

Essayez de contraindre sample_weight_modes à la structure cible. Cela dépend implicitement du fait que le modèle aplatit les sorties pour sa représentation interne.

Cela ressemble à un faux message. Je reçois le même message d'avertissement après la mise à niveau vers TensorFlow 2.1, mais je n'utilise aucun poids de classe ou exemple de poids. J'utilise un générateur qui renvoie un tuple comme celui-ci:

return inputs, targets

Et maintenant, je viens de le changer comme suit pour faire disparaître l'avertissement:

return inputs, targets, [None]

Je ne sais pas si cela est pertinent, mais mon modèle utilise 3 entrées, donc ma inputsvariable est en fait une liste de 3 tableaux numpy. targetsest juste un tableau numpy unique.

En tout cas, ce n'est qu'un avertissement. La formation fonctionne bien dans les deux cas.

Modifier pour TensorFlow 2.2:

Ce bug semble avoir été corrigé dans TensorFlow 2.2, ce qui est génial. Cependant, le correctif ci-dessus échouera dans TF 2.2, car il essaiera d'obtenir la forme des poids d'échantillonnage, qui échouera évidemment avec AttributeError: 'NoneType' object has no attribute 'shape'. Annulez donc le correctif ci-dessus lors de la mise à niveau vers 2.2.

Je crois que c'est un bug avec tensorflow qui se produira lorsque vous appelez model.compile()avec le paramètre par défaut sample_weight_mode=None, puis appelez model.fit()avec sample_weightou spécifié class_weight.

Depuis les dépôts tensorflow:

• fit() appelle finalement _process_training_inputs()
• _process_training_inputs() ensembles sample_weight_modes = [None] basés sur model.sample_weight_mode = Nonepuis crée un DataAdapteravecsample_weight_modes = [None]
• les DataAdapterappels broadcast_sample_weight_modes()avec sample_weight_modes = [None]lors de l' initialisation
• broadcast_sample_weight_modes() semble attendre sample_weight_modes = None mais reçoit[None]
• il affirme qu'il [None]s'agit d'une structure différente de sample_weight/ class_weight, l'écrase Noneen s'adaptant à la structure de sample_weight/ class_weightet émet un avertissement

Attention à part cela n'a aucun effet fit()comme sample_weight_modesdans le DataAdapterest remis à None.

Notez que la documentation tensorflow indique qu'il sample_weightdoit s'agir d'un tableau numpy. Si vous appelez fit()avec à la sample_weight.tolist()place, vous n'obtiendrez pas d'avertissement mais vous serez sample_weightécrasé en silence Nonequand il _process_numpy_inputs()est appelé en prétraitement et reçoit une entrée de longueur supérieure à un.

J'ai pris votre Gist et installé Tensorflow 2.0, au lieu de TFA et cela a fonctionné sans un tel avertissement.

Voici l' essentiel du code complet. Le code d'installation de Tensorflow est indiqué ci-dessous:

!pip install tensorflow==2.0

Une capture d'écran de l'exécution réussie est présentée ci-dessous:

Mise à jour: ce bug est corrigé dansTensorflow Version 2.2.

au lieu de fournir un dictionnaire

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

j'ai essayé une liste

weights = [42.0, 1.0]

et l'avertissement a disparu.