Numpy 特定形状的Keras初始值设定项_Numpy_Keras_Keras 2

Numpy 特定形状的Keras初始值设定项

numpy keras

Numpy 特定形状的Keras初始值设定项,numpy,keras,keras-2,Numpy,Keras,Keras 2,我制作了一个小型keras模型，并使用以下代码获得模型的权重： from keras.models import Sequential from keras.layers import Dense, Flatten,Conv2D, MaxPooling2D input_shape = (28, 28, 1) model = Sequential() model.add(Conv2D(1, kernel_size=(2, 2), activation='relu'

我制作了一个小型keras模型，并使用以下代码获得模型的权重：

from keras.models import Sequential
from keras.layers import Dense, Flatten,Conv2D, MaxPooling2D
input_shape = (28, 28, 1)
model = Sequential()
model.add(Conv2D(1, kernel_size=(2, 2),
                 activation='relu',
                 input_shape=input_shape,trainable=False))
model.add(MaxPooling2D(pool_size=(16,16)))
model.add(Flatten())
model.add(Dense(3, activation='softmax',trainable=False))
a=model.get_weights()

from keras.initializers import glorot_uniform
W1 = glorot_uniform((a,))

现在，我想使用keras初始值设定项将权重初始化为a的相同形状，我使用以下代码：

from keras.models import Sequential
from keras.layers import Dense, Flatten,Conv2D, MaxPooling2D
input_shape = (28, 28, 1)
model = Sequential()
model.add(Conv2D(1, kernel_size=(2, 2),
                 activation='relu',
                 input_shape=input_shape,trainable=False))
model.add(MaxPooling2D(pool_size=(16,16)))
model.add(Flatten())
model.add(Dense(3, activation='softmax',trainable=False))
a=model.get_weights()

from keras.initializers import glorot_uniform
W1 = glorot_uniform((a,))

我的方法正确吗？如果它是错误的，请向我建议解决方案，如果它是正确的，那么为什么我不能看到重量，它显示：

<keras.initializers.VarianceScaling at 0x7f65746ba128>

关于
获取权重（）
：

方法

model.get_weights（）

将返回numpy数组的列表。因此，您必须注意创建一个具有相同数量数组、相同顺序和相同形状的列表

在这个模型中，列表中似乎有4个数组，卷积核和偏差加上密集核和偏差。每个都有不同的形状

关于初始值设定者：

初始值设定项是将

形状

作为输入并返回

张量

的函数

您会看到

VarianceScaling

，因为它可能是函数的名称。应使用形状调用函数以获得结果：

weights = [glorot_uniform()(npArray.shape) for npArray in a]

它们将是keras张量，而不是numpy数组。您应该

K.eval（arr）

将它们作为numpy数组

如果使用

model.set_weights（）

，则使用numpy数组传递列表（与

get_weights（）

中的数字相同，形状相同）

初始值设定项的标准用法：

但实际上，初始值设定项用于直接创建层，如果不想指定种子和其他初始值设定项参数，可以只使用字符串：

from keras.models import Sequential
from keras.layers import Dense, Flatten,Conv2D, MaxPooling2D
input_shape = (28, 28, 1)
model = Sequential()
model.add(Conv2D(1, kernel_size=(2, 2),
                 activation='relu',
                 input_shape=input_shape,
                 trainable=False,
                 kernel_initializer='glorot_uniform', #example with string
                 bias_initializer='zeros'))
model.add(MaxPooling2D(pool_size=(16,16)))
model.add(Flatten())
model.add(Dense(3, 
                activation='softmax',
                trainable=False, 
                kernel_initializer=glorot_uniform(seed=None), #example creating a function
                bias_initializer='zeros'))

阅读更多关于这里的信息