Question

如何在每个纪元后获得Keras中Conv2D图层的所有滤镜（如32,64等）的权重？我提到这一点，因为初始权重是随机的，但在优化之后它们会改变。

我查了this answer但不明白。请帮助我找到一个解决方案，获取所有过滤器的重量和每个时代后。

还有一个问题是，在Keras文档中，Conv2D图层的输入形状是（样本，通道，行，列）。 samples究竟是什么意思？它是我们拥有的输入总数（如MNIST数据集中的60.000个训练图像）还是批量大小（如128或其他）？

Answer 1

样品=批量大小=批次中的图像数量

Keras通常会将None用于此维度，这意味着它可能会有所不同，您无需进行设置。

虽然此维度确实存在，但在创建图层时，如果没有它，则会传递input_shape：

Conv2D(64,(3,3), input_shape=(channels,rows,cols))
#the standard it (rows,cols,channels), depending on your data_format

要在每个纪元（或批处理）之后完成操作，您可以使用LambdaCallback，传递on_epoch_end功能：

#the function to call back
def get_weights(epoch,logs):
    wsAndBs = model.layers[indexOfTheConvLayer].get_weights()
    #or model.get_layer("layerName").get_weights()

    weights = wsAndBs[0]
    biases = wsAndBs[1]
    #do what you need to do with them
    #you can see the epoch and the logs too: 
    print("end of epoch: " + str(epoch)) for instance

#the callback
from keras.callbacks import LambdaCallback
myCallback = LambdaCallback(on_epoch_end=get_weights)

将此回调传递给训练功能：

model.fit(...,...,... , callbacks=[myCallback])

如何获得Conv2D图层滤镜权重

1 个答案: