Question

我制作一个小型keras模型并使用以下代码获得模型权重：

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()

现在我想使用keras初始化器将权重初始化为 a 的相同形状，我使用以下代码：

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

我的方法是对的吗？如果它是错的，那么请建议我的解决方案，如果它是正确的，那么为什么我无法看到权重，它显示：

<keras.initializers.VarianceScaling at 0x7f65746ba128>

Answer 1

关于get_weights()：

方法model.get_weights()将返回numpy数组列表。因此，您必须注意创建具有相同数量的数组的列表，顺序相同，形状相同。

在这个模型中，似乎列表中会有4个数组，卷积内核和偏差以及密集内核和偏差。每个人都有不同的形状。

关于初始化程序：

初始值设定项是以shape作为输入并返回tensor的函数。

您看到VarianceScaling，因为它可能是该功能的名称。您应该使用形状调用函数来获得结果：

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

他们将是keras张量，但不是numpy数组。你应K.eval(arr)将它们作为numpy数组。

如果使用model.set_weights()，请传递带有numpy数组的列表（get_weights()中存在的相同数字，相同的形状）

初始化程序的标准用法：

但实际上，初始化程序意味着直接用于创建图层，如果您不想指定种子和其他初始化程序参数，则只能使用字符串：

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'))

在此处详细了解initializers。

Keras特定形状的初始化器

1 个答案: