我正在使用keras和TensorFlow进行多类图像分割。我训练的网络给了我很好的预测，但无法分离触摸对象，这就是为什么我想使用softmax_cross_entropy具有"weights"参数的损失函数。
知道我的y_true形状是(batch-size,128,128,3)，我怎么能计算这些权重？
tf.losses.softmax_cross_entropy(y_true,y_pred,weights=my_weights)
根据 tf.losses.softmax_cross_entropy 的文档，您可以使用该参数以不同的方式对每个批次的样本进行加权，它应该是形状batch_size的张量。
weights充当损失系数。如果提供了标量， 然后，损失只是按给定值缩放。如果weights是 形状为[batch_size]的张量，则损失权重应用于每个 相应的样本。
但是，这个答案显示了如何为每个类分配不同的权重(也许你有一个不平衡的数据集？我想这更是你可能想要实现的。
您可以使用 sklearn 来计算不平衡数据集的类权重。并使用这些计算参数在tf.losses.softmax_cross_entropy中分配weights。这将有助于解决您的问题。