Question

我为Keras创建了用于图像识别的深度学习模型，并通过model.save_weights('weights.h5')保存了模型权重。另外，我加载了它并再次使用了砝码。

我知道model.save_weights()保存了模型权重。我的问题是模型权重是多少？是过滤器的重量吗？

Answer 1

模型权重是模型的所有参数（包括可训练和不可训练），这些参数又是在模型层中使用的所有参数。是的，对于卷积层，将是滤波器权重以及偏差。

实际上，您可以在每一层看到它们：尝试model.layers[layer_index].get_weights()，您将获得该层的权重。当您调用save_weights()时，实际上是在文件中存储的每一层上调用的get_weights()的输出。

例如对于卷积层，get_weights()方法将返回包含两个元素的列表，这两个元素分别对应于滤波器权重和偏差。这是一个示例：

model = Sequential()
model.add(Conv2D(5, (3,3), input_shape=(100, 100, 3)))

filters, biases = model.layers[0].get_weights()

>>> filters.shape
(3, 3, 3, 5)  <--- 5 filters of shape (3, 3, 3)

>>> biases.shape
(5,)    <--- one bias parameter for each filter

>>> filters[:, :, :, 0]   # get the first filter's weights
array([[[-0.26788074, -0.20213448,  0.06233829],
    [ 0.08651951,  0.21303588,  0.08127764],
    [ 0.04672694, -0.24589485, -0.12873489]],

   [[ 0.10841686,  0.24839908, -0.07466605],
    [-0.26903206, -0.0341135 ,  0.15083215],
    [-0.07382561, -0.00576964, -0.25354072]],

   [[-0.02937067,  0.22315139, -0.12964793],
    [ 0.23371089,  0.19973844, -0.00728002],
    [-0.2748396 , -0.02097657,  0.22772402]]], dtype=float32)

在Keras中保存模型权重：什么是模型权重？

1 个答案: