访问Keras中的层变量

如果我按照指南进行操作并与TensorFlow工作流（）集成，您将无法访问权重变量，因为我们不会按照指南中所示构建模型。我们只是在使用图层。当我们将它用作TensorFlow的简化接口时，不需要编译那么我们如何访问权重（变量）？

---

因为如果我们像指南一样使用TensorFlow，我们不会调用

模型

或

编译

，而只是使用层来构建

如果您谈论的是模型定义为：

x = Dense(128, activation='relu')(img)
x = Dense(128, activation='relu')(x)
preds = Dense(10, activation='softmax')(x)  # output layer with 10 units and a softmax activation

那么您是对的，您无法访问变量，但这是因为我们没有给层命名（我们只跟踪张量

x

）

如果要访问变量，同时使用类似的符号，则必须执行以下操作：

l1 = Dense(128, activation='relu')
l2 = Dense(128, activation='relu')
out = Dense(10, activation='softmax')
preds = out(l2(l1(img)))

然后您可以通过

l1.weights

访问变量，例如

l1

---

---

如果您对使用

Sequential

时如何访问变量感兴趣，请使用：

model.layers[i]。weights

where

i

是您感兴趣的层的索引。

您能在想要获取变量的位置添加代码吗？