我在unet 內訓練模型，底下是在data.py traingenerator yield遇到的錯誤訊息 ，主要是yield回傳給model.compile時發生錯誤
data.py traingenerator
img_batch = np.concatenate(images, axis=3) #(1, 512, 512, 8) (512x512 image,5*1channel 1*3chainnel)
mask_batch = np.concatenate(masks, axis=3) #(1, 512, 512, 6) (6 classes)
sample_weights = np.ones(9540)
y_int = np.argmax(mask_batch, axis=2)
y_binary = to_categorical(y_int) # Convert integer labels to binary vectors
yield (img_batch, y_binary, mask_batch)
error message
發生例外狀況: ValueError
Found a sample_weight array with shape (1, 512, 512, 6). In order to use timestep-wise sample weights, you should specify sample_weight_mode="temporal" in compile(); founssd "None" instead. If you just mean to use sample-wise weights, make sure your sample_weight array is 1D.
File "C:\Labbb\unet_mao0\main.py", line 90, in <module>
train_history=model.fit_generator(myGene,steps_per_epoch=200,epochs=20,callbacks=[model_checkpoint])
ValueError: Found a sample_weight array with shape (1, 512, 512, 6). In order to use timestep-wise sample weights, you should specify sample_weight_mode="temporal" in compile(); founssd "None" instead. If you just mean to use sample-wise weights, make sure your sample_weight array is 1D.
yield (img_batch, y_binary, mask_batch) img_batch(四維) shape 必須等於 mask_batch mask_batch又必須等於model.compile的sample_weight 的格式也就是一維/二維
該怎麼解決這個問題
这个问题看起来是由于 model.compile 函数中的 sample_weight 参数的格式不正确导致的。根据错误消息，“Found a sample_weight array with shape (1, 512, 512, 6)”表明 sample_weight 是一个四维数组。但是，在样本权重中，每个样本应只有一个权重值（即对应于该样本的标签），因此，sample_weight 应该是一个形如 (n_samples,)，(n_samples, 1) 或 (n_batches, n_samples_per_batch) 的数组。
我建议你将 sample_weight 参数设置为一个形状为 (1, 1, 1, n_samples) 的四维数组，其中 n_samples 等于你的 img_batch 的样本数，然后再将其传递给 model.compile 函数。例如：
sample_weights = np.ones((1, 1, 1, img_batch.shape[0]))
model.compile(loss='binary_crossentropy', optimizer='adam', sample_weight_mode='temporal')
在这里，sample_weights 是一个形状为 (1, 1, 1, n_samples) 的数组，每个元素的值都为 1。在对模型进行编译时，确保设置了 sample_weight_mode='temporal'，以使模型知道你要使用 timestep-wise sample weights。如果你只想使用 sample-wise weights，可以将 sample_weights 改为一个形如 (n_samples,) 的一维数组，或者在 model.fit_generator 中使用 sample_weight 参数。