我有一些经过预先训练的权重（包括层和渐变的权重）作为Numpy数组，我需要将它们设置在重新创建的网络中。
部分网络示例：
Text( MaterialLocalizations.of(context).okButtonLabel )
我应该在Conv2D图层中设置的权重的np.array具有以下形状： X_input = Input((4,256,256))
# batchSize is 4
# size so far: (batchSize,4,256,256)
X = Conv2D(96,(11,11), strides=(4,4), data_format = 'channels_first')(X_input)
# output of the convolution has size: (batchSize, 96, 62, 62)
X = BatchNormalization(axis = 1)(X)
X = Activation('relu')(X)
X = MaxPooling2D((3, 3), strides=(2, 2), data_format='channels_first')(X)
我实际上可以像使用Sequential（）模型一样调用set_weights（）函数：
(96, 4, 11, 11)但是，如果这样做，则会出现错误：
model.get_layer('layerName').set_weights(myNpArrayWeights)
好像形状不正确吗？
因此，我尝试使用ValueError: You called `set_weights(weights)` on layer "step2_conv1" with a
weight list of length 96, but the layer was expecting 2 weights.
Provided weights: [[[[ 3.87499551e-03 1.32818555e-03 2.97062146e-0...
输入2个测试权重。
这是报告的错误：
np.array([1,2])我该如何解决？
如何设置渐变的权重？
Python版本：3.6.5
Keras版本：2.2.4
Tensorflow版本：1.13.1
对于第一个ValueError：
在Conv2D图层中设置ValueError: Fetch argument <tf.Variable 'step2_conv1_4/kernel:0'
shape=(11, 11, 4, 96) dtype=float32_ref> cannot be interpreted as a Tensor.
(Tensor Tensor("step2_conv1_4/kernel:0", shape=(11, 11, 4, 96), dtype=float32_ref)
is not an element of this graph.)
，以便它仅期望1个权重数组，如果use_bias设置为True，则将在该层中考虑其他权重数组。
第二个ValueError：
在实例化模型之前，有必要清除会话，因为您可能多次运行模型（就像我一样），并且显然Tensorflow对存在的多个图感到困惑。
要清理会话运行：
use_bias=False