Formazione di un classificatore di immagini utilizzando .fit_generator()o .fit()e passando un dizionario class_weight=come argomento.

Non ho mai avuto errori in TF1.x ma in 2.1 ottengo il seguente output quando inizio l'allenamento:

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

Cosa significa forzare qualcosa da ...a ['...']?

La fonte di questo avviso sul tensorflowrepository è qui , i commenti inseriti sono:

Tentativo di forzare sample_weight_modes nella struttura di destinazione. Ciò dipende implicitamente dal fatto che il Modello appiattisce gli output per la sua rappresentazione interna.

Questo sembra un messaggio falso. Ricevo lo stesso messaggio di avviso dopo l'aggiornamento a TensorFlow 2.1, ma non utilizzo affatto pesi di classe o pesi di esempio. Uso un generatore che restituisce una tupla come questa:

return inputs, targets

E ora l'ho appena cambiato come segue per far sparire l'avvertimento:

return inputs, targets, [None]

Non so se questo è rilevante, ma il mio modello utilizza 3 input, quindi la mia inputsvariabile è in realtà un elenco di 3 array numpy. targetsè solo un singolo array numpy.

In ogni caso, è solo un avvertimento. La formazione funziona bene in entrambi i modi.

Modifica per TensorFlow 2.2:

Questo errore sembra essere stato corretto in TensorFlow 2.2, il che è fantastico. Tuttavia, la correzione di cui sopra fallirà in TF 2.2, perché cercherà di ottenere la forma dei pesi di esempio, che ovviamente fallirà AttributeError: 'NoneType' object has no attribute 'shape'. Quindi annulla la correzione precedente durante l'aggiornamento a 2.2.

Credo che questo sia un bug con tensorflow che accadrà quando chiami model.compile()con il parametro predefinito sample_weight_mode=Nonee poi chiami model.fit()con specificato sample_weighto class_weight.

Dai repository tensorflow:

• fit() alla fine chiama _process_training_inputs()
• _process_training_inputs() imposta sample_weight_modes = [None] basato su model.sample_weight_mode = Nonee quindi crea un DataAdapterconsample_weight_modes = [None]
• le DataAdapterchiamate broadcast_sample_weight_modes()con sample_weight_modes = [None]durante l' inizializzazione
• broadcast_sample_weight_modes() sembra aspettarsi sample_weight_modes = None ma riceve[None]
• asserisce che [None]è una struttura diversa da sample_weight/ class_weight, la sovrascrive Noneadattandola alla struttura di sample_weight/ class_weighte genera un avviso

Attenzione a parte questo non ha alcun effetto sul fit()come sample_weight_modesnella DataAdapterè arretrato a None.

Si noti che la documentazione di tensorflow afferma che sample_weightdeve essere un array numpy. Se invece chiami fit()con sample_weight.tolist(), non riceverai un avviso ma verrai sample_weightsovrascritto silenziosamente Nonequando _process_numpy_inputs()viene chiamato in preelaborazione e riceverà un input di lunghezza maggiore di uno.

Ho preso il tuo Gist e installato Tensorflow 2.0, invece di TFA e ha funzionato senza tale avviso.

Ecco la sintesi del codice completo. Il codice per l'installazione di Tensorflow è mostrato di seguito:

!pip install tensorflow==2.0

La schermata dell'esecuzione corretta è mostrata di seguito:

Aggiornamento: questo errore è stato risolto inTensorflow Version 2.2.

invece di fornire un dizionario

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

ho provato un elenco

weights = [42.0, 1.0]

e l'avvertimento è scomparso.