1

我正在尝试访问该网络经过训练的权重值：

X = [[1] , [2], [3], [4], [5], [6], [7], [8]]
Y = [[1] , [2] ,[3] ,[4] ,[5] ,[6] ,[7] ,[8]]

from keras.callbacks import History 
history = History()

from keras import optimizers

inputDim = len(X[0])
print('input dim' , inputDim)
model = Sequential()

model.add(Dense(1, activation='sigmoid', input_dim=inputDim))
model.add(Dropout(0.2))
model.add(Dense(1, activation='sigmoid'))
model.add(Dropout(0.2))

sgd = optimizers.SGD(lr=0.009, decay=1e-10, momentum=0.9, nesterov=True)
model.compile(loss='binary_crossentropy', optimizer=sgd , metrics=['accuracy'])
model.fit(X,Y , validation_split=0.1 , verbose=2 , callbacks=[history] , epochs=5,batch_size=32)

可以访问第一层的权重：

weights = model.get_layer(index=1).get_weights()
weights
[array([[-0.93537247]], dtype=float32), array([ 0.00989669], dtype=float32)]

但不在第二层：

weights = model.get_layer(index=2).get_weights()
weights
[]

似乎添加 dropout 导致此删除 dropout ：

model.add(Dense(1, activation='sigmoid', input_dim=inputDim))
model.add(Dense(1, activation='sigmoid'))

结果成功访问权重

weights = model.get_layer(index=1).get_weights()
weights

[array([[-0.62137389]], dtype=float32), array([-0.05591233], dtype=float32)]

weights = model.get_layer(index=2).get_weights()
weights

[array([[-1.09568715]], dtype=float32), array([ 0.53271592], dtype=float32)]

阅读有关 Dropout 的信息：https ://keras.io/layers/core/：

“Dropout 包括在训练期间的每次更新时将输入单元的分数率随机设置为 0，这有助于防止过度拟合。”

辍学可视化： 在此处输入图像描述 src：http ://www.jmlr.org/papers/volume15/srivastava14a/srivastava14a.pdf

所以神经元的一个子集被丢弃了。但是在我的示例中，似乎所有神经元都被丢弃了，因为第 2 层中的权重参数是一个空数组？为什么添加 dropout 会导致后续层中的权重参数变得不可访问？

4

1 回答 1

2

辍学者没有权重。密集层（和一些其他类型）有。

您的第一个模型具有以下层：

0: input layer - no weights 
1: Dense(...) - weights and biases    
2: Dropout(...) - no weights    
3: Dense(...) - weights and biases
4: Dropout(...) - no weights

权重是属于单层的可训练参数。

dropout 只是有一个无法训练的常数参数。此参数仅删除部分结果。

密集层使用它们的权重来改变输入并抛出输出：

#pseudocode
output = Weights x input + biases

Dropout 层只会丢弃一些输出：

#pseudocode - suppose the dropout parameter is 0.2
output = input[take 80% of the elements]
于 2017-09-26T17:25:54.983 回答