Treinar um classificador de imagens usando .fit_generator()ou .fit()passando um dicionário class_weight=como argumento.

Nunca obtive erros no TF1.x, mas no 2.1 recebo a seguinte saída ao iniciar o treinamento:

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

O que significa coagir algo de ...para ['...']?

A fonte deste aviso no tensorflowrepositório está aqui , os comentários colocados são:

Tente coagir sample_weight_modes à estrutura de destino. Isso depende implicitamente do fato de o Model nivelar as saídas para sua representação interna.

Parece uma mensagem falsa. Recebo a mesma mensagem de aviso após a atualização para o TensorFlow 2.1, mas não uso pesos de classe ou de amostra. Eu uso um gerador que retorna uma tupla como esta:

return inputs, targets

E agora eu mudei para o seguinte para fazer o aviso desaparecer:

return inputs, targets, [None]

Não sei se isso é relevante, mas meu modelo usa 3 entradas, portanto, minha inputsvariável é na verdade uma lista de 3 matrizes numpy. targetsé apenas uma única matriz numpy.

De qualquer forma, é apenas um aviso. O treinamento funciona bem de qualquer maneira.

Edite para o TensorFlow 2.2:

Esse bug parece ter sido corrigido no TensorFlow 2.2, o que é ótimo. No entanto, a correção acima falhará no TF 2.2, porque tentará obter a forma dos pesos da amostra, o que obviamente falhará AttributeError: 'NoneType' object has no attribute 'shape'. Desfaça a correção acima ao atualizar para o 2.2.

Eu acredito que este é um erro com tensorflow que acontecerá quando você chamar model.compile()com o parâmetro padrão sample_weight_mode=Nonee depois chamar model.fit()com sample_weightor especificado class_weight.

Dos repositórios tensorflow:

• fit() eventualmente chama _process_training_inputs()
• _process_training_inputs() define com sample_weight_modes = [None] base model.sample_weight_mode = Nonee, em seguida, cria um DataAdaptercomsample_weight_modes = [None]
• as DataAdapterchamadas broadcast_sample_weight_modes()com sample_weight_modes = [None]durante a inicialização
• broadcast_sample_weight_modes() parece esperar, sample_weight_modes = None mas recebe[None]
• afirma que [None]é uma estrutura diferente de sample_weight/ class_weight, sobrescreve-a de volta ao Noneajuste na estrutura de sample_weight/ class_weighte emite um aviso

Aviso de lado este não tem efeito sobre fit()como sample_weight_modesna DataAdapterrecua para None.

Observe que a documentação do tensorflow indica que sample_weightdeve ser uma matriz numpy. Se você telefonar fit()em sample_weight.tolist()vez disso, não receberá um aviso, mas sample_weightserá sobrescrito silenciosamente para Nonequando _process_numpy_inputs()é chamado no pré - processamento e recebe uma entrada com comprimento maior que um.

Peguei seu Gist e instalei o Tensorflow 2.0, em vez do TFA, e ele funcionou sem esse aviso.

Aqui está a essência do código completo. O código para instalar o Tensorflow é mostrado abaixo:

!pip install tensorflow==2.0

A captura de tela da execução bem-sucedida é mostrada abaixo:

Atualização: este bug foi corrigido noTensorflow Version 2.2.

em vez de fornecer um dicionário

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

eu tentei uma lista

weights = [42.0, 1.0]

e o aviso desapareceu.