Question

在Keras运行神经网络时，我似乎找不到关于如何解释get_weights（）输出的文档。据我所知，输出是由网络结构决定的。因此，我在下面粘贴了我的网络结构的简化版本：

model.add(Dense(5, input_dim=2, activation = linear, use_bias=True, kernel_initializer=Orthogonal))
model.add(Dense(1, use_bias=True))
model.compile(loss='mae', optimizer='adam')

训练后get_weights（）的输出为：

     [array([[ 0.79376745,  0.79879117,  1.22406125,  1.07782006,  1.24107373],
           [ 0.88034034,  0.88281095,  1.13124955,  0.98677355,  1.14481246]], dtype=float32), 
      array([-0.09109745, -0.09036621,  0.0977743 , -0.07977977,  0.10829113], dtype=float32), 
      array([[-0.72631335],
           [-0.38004425],
           [ 0.62861812],
           [ 0.10909595],
           [ 0.30652359]], dtype=float32), 
      array([ 0.09278722], dtype=float32)]

总共有四个阵列。每个代表什么？谢谢！

Answer 1

第一层的权重（2个输入x 5个单位）
第一层的偏差（5个单位）
第二层的权重（5输入x 1单位）
第二层的偏差（1个单位）

您也可以随时获取图层：

for lay in model.layers:
    print(lay.name)
    print(lay.get_weights())

Keras：解释get_weights（）的输出

1 个答案: