Tensorflow在不平衡数据上训练

例如，对于一个二分类任务，有N个训练数据，label为0和1，即train_labels.shape = (N,1)，

counts = np.bincount(train_label[:, 0])

print('训练数据中正样本占: {} ({:.2f}% of total)'.format(counts[1], 100 * float(counts[1]) / len(train_labels)))

计算训练阶段每个标签的权重：

weight_for_0 = 1. / counts[0]

weight_for_1 = 1. / counts[1]

 定义模型，训练时指定每个样本的权重。