Question

我尝试通过使用tf.keras.layers中的get_tensor_by_name获得由tensorflow定义的层的权重。代码如下所示

# encoding: utf-8
import tensorflow as tf

x = tf.placeholder(tf.float32, (None,3))
h = tf.keras.layers.dense(3)(x)
y = tf.keras.layers.dense(1)(h)

for tn in tf.trainable_variables():
    print(tn.name)

sess = tf.Session()
sess.run(tf.global_variables_initializer())
w = tf.get_default_graph().get_tensor_by_name("dense/kernel:0")
print(sess.run(w))

砝码的名称为dense/kernel:0。但是，sess.run(w)的输出很奇怪

[( 10,) ( 44,) ( 47,) (106,) (111,) ( 98,) ( 58,) (108,) (111,) ( 99,)
 ( 97,) (108,) (104,) (111,) (115,) (116,) ( 47,) (114,) (101,) 
 ... ]

这不是浮点数数组。实际上，如果我使用tf.layers.dense定义网络，一切都会很好。所以我的问题是，如何通过适当使用张量名称来获得tf.keras.layers定义的图层的权重。

Answer 1

您可以在图层上使用get_weights()来获取特定图层的权重值。这是您的情况的示例代码：

import tensorflow as tf

input_x = tf.placeholder(tf.float32, [None, 3], name='x')    
dense1 = tf.keras.Dense(3, activation='relu')
l1 = dense1(input_x)
dense2 = tf.keras.Dense(1)
y = dense2(l1)

weights = dense1.get_weights()

可以使用Keras API以更简单的方式完成此操作，如下所示：

def mymodel():
    i = Input(shape=(3, ))
    x = Dense(3, activation='relu')(i)
    o = Dense(1)(x)

    model = Model(input=i, output=o)
    return model


model = mymodel()

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

for name, weight in zip(names, weights):
    print(name, weight.shape)

此示例获取模型每一层的权重矩阵。

为什么get_tensor_by_name无法正确获取tf.keras.layers定义的图层的权重

1 个答案: