Keras fit_generator报数组真值歧义错误排查

报错The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()的触发原因是传入fit_generator的class_weight参数类型不符合Keras要求。
你代码中计算得到的classWeight是numpy数组类型，但Keras要求class_weight必须是键为类别索引、值为对应类别权重的Python字典。框架内部处理该参数时会做键值合法性判断，直接传入numpy数组就会触发多元素数组真值判断的歧义报错。
另外你的代码还存在一处隐藏的适配问题：flow_from_directory设置了class_mode="categorical"，会输出one-hot编码的二维类别标签，但你编译模型时用的损失函数是binary_crossentropy，二者形状不匹配，就算解决了前面的报错，训练时也会抛出维度错误。

• 把numpy数组格式的类别权重转换为字典格式，替换原代码中classWeight=classTotals.max()/classTotals这一行为：

classWeight = {i: w for i, w in enumerate(classTotals.max() / classTotals)}

• 把模型编译时的损失函数替换为和categorical标签匹配的categorical_crossentropy，对应修改代码为：

model.compile(loss="categorical_crossentropy",optimizer=opt,metrics=["accuracy"])

# 类别权重计算部分
trainLabels=[int(p.split(os.path.sep)[-2]) for p in trainPaths]
trainLabels=np_utils.to_categorical(trainLabels)
classTotals=trainLabels.sum(axis=0)
classWeight = {i: w for i, w in enumerate(classTotals.max()/classTotals)}

# 模型编译与训练部分
model=CancerNet.build(width=48,height=48,depth=3,classes=2)
opt=Adagrad(lr=INIT_LR,decay=INIT_LR/NUM_EPOCHS)
model.compile(loss="categorical_crossentropy",optimizer=opt,metrics=["accuracy"])

M=model.fit_generator(
    trainGen,
    steps_per_epoch=lenTrain//BS,
    validation_data=valGen,
    validation_steps=lenVal//BS,
    class_weight=classWeight,
    epochs=NUM_EPOCHS)

内容的提问来源于stack exchange，提问作者jonathan pascal