因此,我已使用tf.keras框架在TensorFlow 2中重新训练了预训练的ResNet50 V2模型,并在顶部添加了两个Dense层。现在,我想在基本的ResNet模型中内部中可视化各层的权重。但是,用
重新加载保存的模型model = tf.keras.models.load_model(path/to/model.hdf5)
model.summary()
结果
如您所见,ResNet模型的层没有单独列出,这意味着调用
model.layers[0].get_weights()[1]
只会导致
[7 7 3 64]
因此,如何在基本的ResNet50 V2模型中访问每个图层内的权重?
答案 0 :(得分:3)
正确的答案是写
model.layers[0].summary()
代替
model.summary()
然后让我看看预训练模型中的所有层是什么。 因此,编写
model.layers[0].layers[0].get_weights(name='input_1')
将为我提供ResNet基本模型的输入权重。