我正在使用keras和tensorflow（版本2.2.0）作为后端来训练一个分类器，以区分两个数据集A和B。我将这两个数据集混合到一个pandas DataFrame对象x_train中（有两列），标签则存放在一个numpy数组y_train中。为了考虑到A的数据样本远多于B，我希望进行样本加权。此外，A由两个数据集A1和A2组成，A1的样本数远大于A2；我希望通过样本权重来反映这一事实。我的样本权重存放在一个名为w_train的numpy数组中。训练样本总数约为1000万个。
以下是示例代码：
model = Sequential()model.add(Dense(64, input_dim=x_train.shape[1], activation='relu')) model.add(Dropout(0.1))model.add(Dense(64, activation='relu'))model.add(Dropout(0.1))model.add(Dense(64, activation='relu'))model.add(Dropout(0.1))model.add(Dense(64, activation='relu'))model.add(Dropout(0.1))model.add(Dense(1, activation='sigmoid'))model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])model.fit(x_train.iloc, y_train, sample_weight=w_train)当我在model.fit()中使用sample_weight参数时，我发现模型拟合的初始化时间（即keras开始显示训练进度之前的过程）非常长，无法忍受。当我将数据集限制在1000个样本时，这个问题消失了，但当我增加到100000或1000000个样本时，我注意到初始化和拟合时间有显著差异，因此我怀疑这与数据加载方式有关。然而，仅仅添加sample_weights参数就导致如此大的时间差异似乎很奇怪。
其他信息：我在CPU上使用Jupyter笔记本运行。
这里的问题是什么？我能否通过修改训练设置或其他方式来加速初始化（或训练）时间？
回答：
问题是由TensorFlow验证某些类型的输入对象的方式引起的。当数据肯定是正确的时，这样的验证完全是浪费时间（我希望未来能处理得更好）。
为了强制TensorFlow跳过这样的验证过程，你可以简单地将权重包装在一个Pandas Series中，如下所示：
model.fit(x_train.iloc, y_train, sample_weight=pd.Series(w_train))请注意，在你的代码中你使用了metrics关键字。如果你希望准确率实际基于提供的权重来加权，请使用weighted_metrics参数代替。
