Keras layer.set#u权重不'；不要修改图层。为什么？

当我初始化并将权重加载到模型时，输出的准确率为67%

model.load\u权重（路径+'results/finetune\u train\u last\u layer.h5'）
批次=模型。获取批次（路径，随机播放=假，批次大小=128，类模式=无）
preds=模型预测发生器（批次、批次、nb样本）
匹配项=0
对于猜测，zip中的ans（np.argmax（preds，axis=1），batches.classes）：
如果guess==ans：
匹配项+=1
打印（“%s/%s%”（匹配项，len（batches.class）））
532/792

层已正确加载。这与我在保存这些重量之前的上一轮训练中获得的精确度相同

但是，当我尝试创建一个新模型，该模型与

模型中的最后一层具有相同的层，并复制权重时，它们没有相同的权重。这怎么可能

no\u drop\u model=Sequential([
MaxPoolig2D（输入_形状=（512,14,14）），
展平（），
稠密（4096，活化='relu'），
辍学（0.），
稠密（4096，活化='relu'），
辍学（0.），
密集型（120，激活='softmax'）
])
对于ndl，zip中的fcl（无拖放模式层，模式层[31:]）：
打印（类型（ndl）、类型（fcl））
ndl.set_weights（fcl.get_weights（））
如果ndl.get_weights（）：
打印（np.array_equiv（ndl.get_weights（），fcl.get_weights（）））

输出：

(<class 'keras.layers.pooling.MaxPooling2D'>, <class 'keras.layers.pooling.MaxPooling2D'>)
(<class 'keras.layers.core.Flatten'>, <class 'keras.layers.core.Flatten'>)
(<class 'keras.layers.core.Dense'>, <class 'keras.layers.core.Dense'>)
False
(<class 'keras.layers.core.Dropout'>, <class 'keras.layers.core.Dropout'>)
(<class 'keras.layers.core.Dense'>, <class 'keras.layers.core.Dense'>)
False
(<class 'keras.layers.core.Dropout'>, <class 'keras.layers.core.Dropout'>)
(<class 'keras.layers.core.Dense'>, <class 'keras.layers.core.Dense'>)
False

（，）
(, )
(, )
假的
(, )
(, )
假的
(, )
(, )
假的
model.get_weights（）

的返回值是numpy数组的列表，而不是单个数组。您应该像这样比较权重：

def create_model（）：
i=输入（（2，））
o=密度（3）（i）
返回模型（i，o）
model1=创建_模型（）
model2=创建_模型（）
对于zip中的w1、w2（model1.get_-weights（），model2.get_-weights（））：
打印（np.数组_当量（w1，w2））
模型2.设置权重（模型1.获取权重（）
打印“之后的权重：”
对于zip中的w1、w2（model1.get_-weights（），model2.get_-weights（））：
打印（np.数组_当量（w1，w2））

这将产生以下输出：

False
True
Weights after:
True
True

---

权重列表中的第二个元素对应于初始化为零的偏差值，因此在复制权重之前，这些值是相同的。

模型的返回值。get_weights（）是numpy数组的列表，而不是单个数组。您应该像这样比较权重：

def create_model（）：
i=输入（（2，））
o=密度（3）（i）
返回模型（i，o）
model1=创建_模型（）
model2=创建_模型（）
对于zip中的w1、w2（model1.get_-weights（），model2.get_-weights（））：
打印（np.数组_当量（w1，w2））
模型2.设置权重（模型1.获取权重（）
打印“之后的权重：”
对于zip中的w1、w2（model1.get_-weights（），model2.get_-weights（））：
打印（np.数组_当量（w1，w2））

这将产生以下输出：

False
True
Weights after:
True
True

---

权重列表中的第二个元素对应于初始化为零的偏差值，因此在复制权重之前，这些值是相同的。

Nice！这样做也更干净。谢谢你的回复，很好！这样做也更干净。谢谢你的回复。