如何为Keras多输出模型传递样本权重？

我太懂你这种明明形状对却报错的头疼了！在多输出模型里传样本权重确实容易踩结构匹配的坑，咱们来搞定这个问题：

首先说报错的原因：从你贴的错误栈来看，Keras在解析样本权重的时候找不到键0，这本质是样本权重的传递结构和模型输出的结构不匹配。你的模型是按列表顺序定义的两个输出层，但你尝试的两种传递方式（直接传一维数组、用字典映射）在新版本Keras里没能正确和输出结构对应上。

给你两种亲测有效的解决方法：

方法一：用列表对应输出顺序传递（最稳妥） #

因为你的模型输出是按[回归输出, 分类输出]的顺序定义的，直接用列表传递样本权重，每个元素对应一个输出的权重（你要给两个输出用相同权重，就传两次同一个数组就行）：

history = model.fit(
    X,
    {'regression_output': y_regression, 'classification_output': y_classification},
    epochs=10,
    batch_size=32,
    sample_weight=[sample_weights, sample_weights],  # 顺序和模型输出层定义的顺序完全一致
)

这种方式完全贴合模型的输出结构，Keras不需要额外解析键名，直接按顺序匹配，基本不会出错。如果之后你想给两个输出用不同的样本权重，只需要把列表里的两个元素换成对应的不同数组就行，非常灵活。

方法二：用字典传递（需严格匹配键名） #

如果你偏好字典的方式，要确保所有字典的键名和输出层的name属性完全一致，同时注意在Keras 3.x（也就是TensorFlow 2.15及以后的集成Keras）中，需要确保模型编译时的损失/指标键、训练时的目标值字典键、样本权重字典键三者完全统一：

history = model.fit(
    X,
    {'regression_output': y_regression, 'classification_output': y_classification},
    epochs=10,
    batch_size=32,
    sample_weight={
        'regression_output': sample_weights, 
        'classification_output': sample_weights
    },  
)

不过这种方式有时候会因为版本兼容问题出现匹配错误，所以更推荐第一种列表传递的方式。

另外补充个小细节：样本权重只需要是和样本数一致的一维数组（比如你的(1000,)），不需要和输出的形状（比如(1000,1)）完全一致，Keras会自动处理维度匹配的问题。

备注：内容来源于stack exchange，提问作者Vaida