Question

我想提取1d CNN图层的权重，并了解预测值的精确计算方式。我无法使用get_weights()函数的权重重新生成预测值。

为了解释我的理解，这里有一个小数据集。

n_filter = 64
kernel_size = 10
len_timeseries = 123
n_feature = 3
X = np.random.random(sample_size*len_timeseries*n_feature).reshape(sample_size,len_timeseries,n_feature)
y = np.random.random(sample_size*(len_timeseries-kernel_size+1)*n_filter).reshape(sample_size,
                                                                                  (len_timeseries-kernel_size+1),
                                                                                  n_filter)

现在，创建一个简单的1d CNN模型：

model = Sequential()
model.add(Conv1D(n_filter,kernel_size,
                 input_shape=(len_timeseries,n_feature)))
model.compile(loss="mse",optimizer="adam")

调整模型并将X的值预测为：

model.fit(X,y,nb_epoch=1)
y_pred = model.predict(X)

y_pred的维度应该是(1000, 114, 64)。

现在，我想使用存储在y_pred[irow,0,ilayer]]中的权重来重现model.layer的值。因为只有单层len(model.layer)=1。所以我从第一层和唯一层中提取权重：

weight = model.layers[0].get_weights()
print(len(weight))
> 2 
weight0 = np.array(weight[0])
print(weight0.shape)
> (10, 1, 3, 64)
weight1 = np.array(weight[1])
print(weight1.shape)
> (64,)

权重的长度为2，我假设第0个位置包含要素的权重，第1个位置包含偏差。作为weight0.shape=(kernel_size,1,n_feature,n_filter)，我认为我可以通过以下方式获取y_pred[irow,0,ilayer]的值：

ifilter = 0
irow = 0
y_pred_by_hand = weight1[ifilter] + np.sum( weight0[:,0,:,ifilter] * X[irow,:kernel_size,:])
y_pred_by_hand
> 0.5124888777

但是，此值与y_pred[irow,0,ifilter]完全不同，因为：

 y_pred[irow,0,ifilter]
 >0.408206

请让我知道我哪里出错了。

Answer 1

您在此处误解了weights属性。您要查找的是图层的output属性，该属性是model.predict给出的结果。这可以通过layer.output获得。通常，Layer被输入张量，并由weights矩阵作用，这取决于所使用的层的类型。此计算给出了输出张量，这是您正在寻找的。

例如，考虑具有形状（1,3）的输入张量A的简单密集层，发出张量B（1,1）的输出sigmoid层和权重矩阵W.W的形状基于输入和输出形状。因此，在这种情况下，Dense层会A matmul W，其结果将是预测B.W的形状将被确定为（3,1），这可能导致输出形状为（1,1））。所以你要找的是B，但是你试图访问W。

keras：使用get_weights函数提取权重

1 个答案: