在我的数据集中，每个条目（事件）都有一个权重。这个权重由多个量组成，但基本上代表了这个事件对数据的重要性，必须加以考虑。

在Tensorflow中训练时，如何使用这些权重？我不想简单地将其作为另一个特征来使用。

谢谢

回答：

一个简单的解决方案是在计算小批次的总成本之前，将每个样本的计算成本乘以其权重。

假设你有以下内容：

# 每个样本的特征向量
x = tf.placeholder(tf.float32, shape=[batch_size, num_features])
# 每个样本的标量权重
x_weights = tf.placeholder(tf.float32, shape=[batch_size])
# 每个样本的输出向量
y = tf.placeholder(tf.float32, shape=[batch_size, num_outputs])
# ...
logits = ...
# 在此插入适当的成本函数
cost = tf.nn.softmax_cross_entropy_with_logits(logits, y)

计算出的cost张量是一个长度为batch_size的向量。你可以简单地与x_weights进行逐元素乘法来获得加权成本。

overall_cost = tf.mul(cost, x_weights) / batch_size

最后，你可以将overall_cost用作你的优化器中要最小化的值。