Deep learning 如何仅为每个卷积层设置修改的权重？

我目前正在做一些实验，修改模型每个卷积层的权重，而不是偏差

对于模型的每个层，我使用

layer.get_weights（）[0]

来获取权重。修改该特定层的权重值后，我想将权重设置回相应的层

我想使用

set_weights（）

方法来实现这一目的，但是，它需要输入权重和偏差，因此我无法实现这一点。将权重值设置回模型层并保持偏差不变的最简单方法是什么

我只是一个初学者，如果这个问题不合适，请给我一些建议和想法。

layer.get_weights（）

返回numpy数组列表。元素0为权重，元素1为偏差。事实上，我不记得了，现在也查不到了，这个列表能不能包含一些其他的东西，但我想这在你的情况下并不重要

因此，您可以执行以下操作：

params = layer.get_weights()
weights = params[0]
biases = params[1]
my_weights = <your modifications>
layer.set_weights([my_weights, biases])

params=layer.get_weights（）
权重=参数[0]
偏差=参数[1]
我的体重=
层。设置权重（[我的权重，偏差]）

大家好，欢迎来到AI SE！这个问题在这里是离题的，因为这只是一个编程问题。有关更多详细信息，请参阅。我将把这个问题迁移到堆栈溢出。@nbro感谢您的更正和对问题的回答。我也这么做了。谢谢