Keras model.fit()传入class_weight数组报错：'numpy.ndarray'无'get'属性

问题说明 #

使用sklearn计算类别权重得到数组后，传入Keras的model.fit()时触发错误：

AttributeError: 'numpy.ndarray' object has no attribute 'get'

问题根源 #

Keras的class_weight参数要求接收字典类型（键为类别标签，值为对应权重），但class_weight.compute_class_weight返回的是numpy数组，直接传入会导致类型不兼容。

修复步骤 #

1. 将权重数组转换为字典格式 #

修改权重计算代码，把数组转成Keras要求的字典：

from sklearn.utils import class_weight
# 获取所有类别
classes = np.unique(masks_reshaped_encoded)
# 计算权重数组
class_weights_arr = class_weight.compute_class_weight(
    class_weight="balanced",
    classes=classes,
    y=masks_reshaped_encoded
)
# 转换为字典：类别为键，权重为值
class_weights = dict(zip(classes, class_weights_arr))

2. 传入model.fit() #

直接使用转换后的字典作为class_weight参数：

history=model.fit(img, msk, epochs=50, verbose=1, validation_split=0.2, shuffle=False,
                  class_weight=class_weights)

额外提示 #

• 你的模型设置了num_classes=4，但当前使用binary_crossentropy损失函数，这不符合多分类任务的要求。建议根据标签格式选择：
  • 若标签是独热编码格式，使用categorical_crossentropy
  • 若标签是整数形式的单通道数组，使用sparse_categorical_crossentropy

内容的提问来源于stack exchange，提问作者oliver6626