是否可以训练一个层'；Keras中的s权重而非其偏差（或反之亦然）？

我从中了解到，可以通过以下方式将整个层设置为不可训练：

weights_and_bias = [weight_matrix, bias_vector]
frozen_layer = Dense(32, weights=weights_and_bias, trainable=False)

但这将使权重和偏差都无法训练。我想让其中一个可以训练，但另一个不能训练

---

有什么简单的方法可以做到这一点吗？

我认为这是不可能的。但是，将其分为两个层应该很容易：使用一个没有偏差的密集层（

densite（Use_bias=False）

），和一个只添加偏差的自定义层，这可能会有所帮助：啊，是的，我有一个模糊的想法，类似这样的事情应该是可能的。因此，基本上一层会有权重，但不会有偏差，然后下一层会有偏差，但权重矩阵只是恒等矩阵？请注意，偏差也被称为“权重”。第一层只有乘法内核，但没有偏差（如您所说），但第二层根本没有乘法内核，只有偏差权重。我还没有在我链接到的答案中尝试自定义层，但它看起来确实如此。谢谢，我明天会试一试。谢谢你的指点，忘了更新了。这管用！谢谢@jlhI，我不认为这是可能的。但是，将其分为两个层应该很容易：使用一个没有偏差的密集层（

densite（Use_bias=False）

），和一个只添加偏差的自定义层，这可能会有所帮助：啊，是的，我有一个模糊的想法，类似这样的事情应该是可能的。因此，基本上一层会有权重，但不会有偏差，然后下一层会有偏差，但权重矩阵只是恒等矩阵？请注意，偏差也被称为“权重”。第一层只有乘法内核，但没有偏差（如您所说），但第二层根本没有乘法内核，只有偏差权重。我还没有在我链接到的答案中尝试自定义层，但它看起来确实如此。谢谢，我明天会试一试。谢谢你的指点，忘了更新了。这管用！谢谢@jlh