python：AttributeError：'str'对象没有属性'keys'答案

【问题标题】：python : AttributeError: 'str' object has no attribute 'keys'python：AttributeError：'str'对象没有属性'keys'
【发布时间】：2021-01-15 00:09:30
【问题描述】：

我正在尝试解决分类问题。我不知道为什么会出现此错误：

AttributeError: 'str' object has no attribute 'keys'

这是主要代码：

def generate_arrays_for_training(indexPat, paths, start=0, end=100):       
    while True:
        from_=int(len(paths)/100*start)
        to_=int(len(paths)/100*end)
        for i in range(from_, int(to_)):
            f=paths[i]
            x = np.load(PathSpectogramFolder+f)
     if('P' in f):
                y = np.repeat([[0,1]],x.shape[0], axis=0)
            else:
                y =np.repeat([[1,0]],x.shape[0], axis=0) 
            yield(x,y)
history=model.fit_generator(generate_arrays_for_training(indexPat, filesPath, end=75) ## problem here
                   steps_per_epoch=int((len(filesPath)-int(len(filesPath)/100*25))), 
                   validation_steps=int((len(filesPath)-int(len(filesPath)/100*75))),
                   verbose=2,class_weight="balanced",
                  epochs=15, max_queue_size=2, shuffle=True, callbacks=[callback])

其中generate_arrays_for_training 函数返回x 和y。 x 是一个二维浮点数数组，y 是 [0,1]。

错误：

Traceback (most recent call last):
  File "/home/user1/thesis2/CNN_dwt2.py", line 437, in <module>
    main()
  File "/home/user1/thesis2/CNN_dwt2.py", line 316, in main
    history=model.fit_generator(generate_arrays_for_training(indexPat, filesPath, end=75), 
  File "/home/user1/.local/lib/python3.8/site-packages/tensorflow/python/util/deprecation.py", line 324, in new_func
    return func(*args, **kwargs)
  File "/home/user1/.local/lib/python3.8/site-packages/tensorflow/python/keras/engine/training.py", line 1815, in fit_generator
    return self.fit(
  File "/home/user1/.local/lib/python3.8/site-packages/tensorflow/python/keras/engine/training.py", line 108, in _method_wrapper
    return method(self, *args, **kwargs)
  File "/home/user1/.local/lib/python3.8/site-packages/tensorflow/python/keras/engine/training.py", line 1049, in fit
    data_handler = data_adapter.DataHandler(
  File "/home/user1/.local/lib/python3.8/site-packages/tensorflow/python/keras/engine/data_adapter.py", line 1122, in __init__
    dataset = dataset.map(_make_class_weight_map_fn(class_weight))
  File "/home/user1/.local/lib/python3.8/site-packages/tensorflow/python/keras/engine/data_adapter.py", line 1295, in _make_class_weight_map_fn
    class_ids = list(sorted(class_weight.keys()))

AttributeError: 'str' object has no attribute 'keys'

【问题讨论】：

直接原因是class_weight是一个字符串，而它应该是一个dict。但是通过keras 代码跟踪该变量到您的函数调用可能需要一些挖掘。确保model.fit_generator 的输入与类型中的文档相匹配。
model.fit_generator 的参数之一是字符串。你需要纠正它。很遗憾，您的 minimal reproducible example 使用了我们无法访问的数据，我们很难为您找到问题。
@hpaulj 我跟踪了代码，发现从 generate_arrays_for_training 返回的值不是字符串，x 是一个浮点二维矩阵，y 是 [[0,1]]。我不知道字符串值是什么
@wwii 不幸的是，我正在处理非常大的数据集，我无法提供示例。但是我已经跟踪到model.fit_generator 的输入，发现它转到了“generate_arrays_for_training”函数，它返回了x 和y，所以返回值中的错误
@wwii 我不知道为什么会出现这个错误

标签： python numpy tensorflow keras deep-learning

【解决方案1】：

您的问题是由您传递给model.fit() 的class_weight="balanced" 参数引起的

根据model.fit() reference，这个参数应该是一个dict：可选的字典将类索引（整数）映射到权重（浮点）值，用于加权损失函数（仅在训练期间）。这对于告诉模型“更加关注”来自代表性不足的类的样本很有用。

尝试class_weight=None 进行测试，它应该摆脱原来的错误。稍后提供正确的 dict 为 class_weight 以解决数据集不平衡问题。

【讨论】：

@Rusian 但我的数据不平衡。如何使我的数据集平衡？并解决错误？？
@Rusian S. 当我尝试 class_weight=None 时出现此错误。错误：ValueError: Input 0 of layer sequential_19 is incompatible with the layer: : expected min_ndim=4, found ndim=3. Full shape received: [None, None, None]
与class_weight=None 你应该摆脱原来的错误。稍后提供正确的 dict 为 class_weight 以解决数据集不平衡问题。 layer sequential_19 问题可能不相关。查看前一层的输出。也许你需要一些重塑。如果卡住 - 在 SO 上发布您的模型结构（和摘要），最好是作为一个新问题。
@Rusian S. 你能告诉我如何平衡我的数据集吗？，我问了一个新问题，希望你能帮助我。
@Rusian S. 我使用model.fit_generator() 和generate_arrays_for_training 来生成数据。我想知道我是否可以将class_weight="balanced" 与model.fit_generator() 一起使用。我问了一个新问题，希望你能帮助我解决这个问题。