百度了好久，沒有找到與sample_weight相關的博客，于是自己摸索一下。
sample_weight是keras中的fit的參數，中文文檔介紹如下：

簡單點的解釋如下：參考https://blog.csdn.net/weixin_40755306/article/details/82290033#commentBox

sample_weight的作用就是為數據集中的數據分配不同的權重。

我的例子是要將數據集的數據分為三類，用0，1，2代表這三類，我這里想為0分配權重0.3，為1分配權重1，為2分配權重2.。
我的數據是存儲在csv文件中的，我提取出標簽列表，標簽列表的內容是0，1，2的集合，列表名稱為y_train。我用下面代碼生成一個權重的列表：

sample_weights=[] for sw in range(len(y_train)):if y_train[sw]==0:sample_weights.append(0.3)if y_train[sw]==1:sample_weights.append(1)if y_train[sw]==2:sample_weights.append(2) sample_weights=np.array(sample_weights)

當標簽為0時， sample_weights添加0.3，當標簽為1時， sample_weights添加1，當標簽為2時， sample_weights添加2。
這里記得不要漏了最后一行，將列表轉化為numpy數組。因為sample_weight只能是numpy數組。
創建好數組之后，下一步是要在compile中添加一個參數，先看看是添加哪個參數：

這里的sample_weight_mode分為兩種形式，如果你的權重形式是像我這樣的，就是1D，那sample_weight_mode就設置為None。2D的形式還沒試過，但如果用2D形式，那sample_weight_mode就要設置為sample_weight_mode=‘temporal’ 。

compile設置完就要設置fit了，我的模型有兩個輸出，但是我只想設置分類輸出，我這里的分類輸出層命名為’classifier’。那就在fit中添加一個參數：

sample_weight={'classifier' : sample_weights}

sample_weights是我們上面定義的數組。

這樣便可簡單實現對數據的加權。

總結

以上是生活随笔為你收集整理的keras中sample_weight的使用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。