Question

我正在尝试使用来自bvlc_alexnet.npy的预训练权重来实现AlexNet：

#load the weight data
weights_dic = numpy.load('bvlc_alexnet.npy', encoding='bytes').item()
conv1W = weights_dic["conv1"][0] # <class 'numpy.ndarray'> (11, 11, 3, 96)
conv1b = weights_dic["conv1"][1] # <class 'numpy.ndarray'> (96,)

model = Sequential()
model.add(Conv2D(96, kernel_size=[11, 11], kernel_initializer = <???>, 
             bias_initializer = <???>, dtype=np.ndarray), activation='relu', strides=4, padding="same")

在这里，我陷入了如何为conv1W和conv1b属性分配这些权重（kernel_initializer和bias_initializer）的问题。

Answer 1

首先构造模型，而无需设置任何初始化程序。然后按照图层在模型中出现的顺序将所有权重放入列表中（例如conv1_weights，conv1_biases，conv2_weights，conv2_biases等），然后调用模型的set_weights方法：

model.set_weights(weights)

或者，您可以分别设置每个图层的权重：

model.layers[layer_index].set_weights([layer_weights, layer_biases])

# or using layer's name if you have specified names for them
model.get_layer(layer_name).set_weights([layer_weights, layer_biases])

在Keras的Alexnet模型中使用预先训练的权重

1 个答案: