Question

我有一个简单的神经网络，我需要从模型中获得权重和偏差。我已经尝试了一些之前讨论过的方法，但是我不断遇到超出范围的值错误。不知道如何解决这个问题，或者我所缺少的。

网络-

model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28, 28)),
    keras.layers.Dense(128, activation=tf.nn.relu),
    keras.layers.Dense(10, activation=tf.nn.softmax)
])

model.layers[0].get_weights()[1]

错误- IndexError: list index out of range

这是在几个问题中提到的内容，但是最终我得到了超出范围的错误。

我还有一个问题，model.layers[]之后的索引，它对应于图层吗？例如model.layers[1]给出对应于第二层的权重，像这样吗？

Answer 1

模型中的第一层（索引0）是[-] Android toolchain - develop for Android devices • Android SDK at D:\Android\sdk ✗ Android SDK is missing command line tools; download from https://developer.android.com/studio/index.html#downloads • Try re-installing or updating your Android SDK, visit https://flutter.dev/setup/#android-setup for detailed instructions.层，它没有任何权重，这就是为什么会出错的原因。

要获得第二层Flatten层，必须使用索引1：

Dense

Answer 2

我去过那里，我一直在查看我的旧代码，看是否能记得我是如何解决该问题的。我要做的是打印model.layer[index].get_weights()[X]的长度，以找出keras在节省我所需的重量。在我的旧代码中，model.layers[0].get_weights()[1]将返回偏差，而model.layers[0].get_weights()[0]将返回实际权重。无论如何，请考虑到某些图层没有保存权重（因为它们没有权重），因此如果请求model.layers[0].get_weights()[0]不起作用，请尝试使用model.layers[1].get_weights()[1]，因为我不确定平坦的图层，但是我知道密集的图层可以减轻重量。

Answer 3

仅examples，您将获得模型的所有权重和偏差

Answer 4

要获得 Keras 序列和每次迭代的权重和偏差，您可以按照下一个示例进行操作：

# create model
model = Sequential()
model.add(Dense(numHiddenNeurons, activation="tanh", input_dim=4, kernel_initializer="uniform"))
model.add(Dense(1, activation="linear", kernel_initializer="uniform"))
# Compile model
model.compile(loss='mse', optimizer='adam', metrics=['accuracy', 'mse', 'mae', 'mape'])
weightsBiasDict = {}
    
weightAndBiasCallback = tf.keras.callbacks.LambdaCallback \
            (on_epoch_end=lambda epoch, logs: weightsBiasDict.update({epoch:model.get_weights()}))
    
# Fit the model
history= model.fit(X1, Y1, epochs=numIterations, batch_size=batch_size,  verbose=0, callbacks=weightAndBiasCallback)

对于字典 weightsBiasDict

的每次迭代都可以访问权重和偏差

如果您在训练结束时只需要权重和偏差值，您可以使用 model.layer[index].get_weights()[0] 用于权重和 model.layer[index].get_weights()[1] 表示偏见其中 index 是网络上的层编号，输入层从零开始。

如何从模型中获得权重和偏见？

4 个答案: