如何使用Keras API提取隐藏层的权重

Question

我有一个简单的顺序神经网络，我想用它来训练分类器。它由一个输入层，3个隐藏层和一个输出层组成，如下所示：

    #sequential type of model
model = Sequential() 
#stacking layers with .add
model.add(Dense(len(ytrain), activation='relu', input_dim=100))
model.add(Dropout(0.5))
model.add(Dense(len(ytrain), activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(len(ytrain), activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(len(ytrain), activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(5, activation='softmax'))

如何提取与每个隐藏图层关联的权重。最终目标是使用激活函数来计算每个标签的正确概率。

希望你理解。任何形式的帮助都表示赞赏。

Answer 1

weights = [layer.get_weights() for layer in model.layers]