Question

我在keras训练了一个递归神经网络（LSTM），但现在我正努力将所有碎片放在一起。具体来说，我无法理解如何重构权重矩阵。

我有一个输入，一个隐藏和一个输出层，如下所示：

# create the model
model = Sequential()
model.add(LSTM(100, dropout=0.5, recurrent_dropout=0.5, input_shape=(timesteps, data_dim), activation='tanh'))
model.add(Dense(5, activation='softmax'))

当我调用model.get_weights()时，我只获得隐藏和输出图层的偏置单位，但输入图层的偏差单位似乎丢失了。也就是说，我有一个15x400矩阵，然后是400x101和101X5。

我在这里错过了哪些东西？

感谢您的帮助

Answer 1

Sequential是Keras中的模型，而不是输入层。神经网络中的输入层只是将输入传递给隐藏层，并且它不需要偏置神经元。在您的情况下，model.get_weights（）返回这些数组

（15,400）
（100,400）
（400，）
（100,5）
（5）

其中
（400，）是LSTM层的偏置数组
（5，）是密集层的偏置数组

使用Keras从LSTM神经网络中提取权重

1 个答案: