0

我制作了一个小型 keras 模型并使用以下代码获取模型的权重：

from keras.models import Sequential
from keras.layers import Dense, Flatten,Conv2D, MaxPooling2D
input_shape = (28, 28, 1)
model = Sequential()
model.add(Conv2D(1, kernel_size=(2, 2),
                 activation='relu',
                 input_shape=input_shape,trainable=False))
model.add(MaxPooling2D(pool_size=(16,16)))
model.add(Flatten())
model.add(Dense(3, activation='softmax',trainable=False))
a=model.get_weights()

现在我想将权重初始化为使用 keras 初始化程序的相同形状，我使用以下代码：

from keras.initializers import glorot_uniform
W1 = glorot_uniform((a,))

我的做法对吗？如果它是错误的，那么请建议我解决方案，如果它是正确的，那么为什么我看不到重量，它显示：

<keras.initializers.VarianceScaling at 0x7f65746ba128>
4

1 回答 1

2

关于get_weights()：

该方法model.get_weights()将返回一个 numpy 数组列表。因此，您必须注意创建具有相同数量、相同顺序、相同形状的数组的列表。

在这个模型中，列表中似乎有 4 个数组，卷积核和偏置加上密集内核和偏置。每一个都有不同的形状。

关于初始化器：

初始值设定项是将 ashape作为输入并返回 a的函数tensor。

您会看到VarianceScaling，因为它可能是函数的名称。您应该使用形状调用该函数以获得结果：

weights = [glorot_uniform()(npArray.shape) for npArray in a]

但是，它们将是 keras 张量，而不是 numpy 数组。您应该K.eval(arr)将它们作为 numpy 数组获取。

如果使用model.set_weights()，则使用 numpy 数组传递列表（相同的数字get_weights()，相同的形状）

初始化器的标准用法：

但实际上，初始化程序旨在直接用于创建层，如果您不想指定种子和其他初始化程序参数，则可以只使用字符串：

from keras.models import Sequential
from keras.layers import Dense, Flatten,Conv2D, MaxPooling2D
input_shape = (28, 28, 1)
model = Sequential()
model.add(Conv2D(1, kernel_size=(2, 2),
                 activation='relu',
                 input_shape=input_shape,
                 trainable=False,
                 kernel_initializer='glorot_uniform', #example with string
                 bias_initializer='zeros'))
model.add(MaxPooling2D(pool_size=(16,16)))
model.add(Flatten())
model.add(Dense(3, 
                activation='softmax',
                trainable=False, 
                kernel_initializer=glorot_uniform(seed=None), #example creating a function
                bias_initializer='zeros'))

在此处阅读有关初始化程序的更多信息。

于 2017-11-01T06:56:48.483 回答