如何在Keras中对整个模型应用权重归一化？

Question

我有一个庞大的模型，其中有许多构成层，每个层都有W_regularizer = l2（0.01）参数。我想从每个图层声明中删除它，并将其作为一个整体应用于模型。是不是可以在Keras上做到这一点？

Answer 1

从docs

看起来不像

  

规则制定者允许对图层参数或图层应用惩罚   优化期间的活动。这些处罚纳入了   网络优化的损失函数。

     

惩罚是按层进行的。确切的API会   取决于图层，但层Dense，Conv1D，Conv2D和Conv3D   拥有统一的API。