Python 加载keras重量，直到达到特定层

我已经训练了一个3dCNN模型。我想将存储的重量加载到Keras中，直到某一层。我已将特定层命名为name=“my\u dense\u layer”。如何加载权重直到该层

我的模型看起来像：

---

我想通过跳过最后一个尺寸为6的辍学和密集层来加载我的重量。然后，我想投影我的输入大小

32x10x28x28

，并使用输出大小为512维向量的特定密集层的权重。因此，要将存储的权重作为输出

32x512

因为存储的权重被安排为

b1、w1、b2、w2…

，我们可以逐层加载权重，直到

my_dense_layer

。可能的解决方案如下：

for layer in model.layers:
if layer.trainable_weights:
    b=weights.pop(0)
    w=weights.pop(0)
    layer.set_weights((b,w))
    if layer.name=='my_dense_layer':
        break

---

我的模特在比赛结束前都经过了充分的训练。我只想加载一部分，直到达到特定的密度层。据我所知，你的解决方案是在预先训练的模型中添加额外的层，对吗？但在这种情况下，权重究竟代表什么？权重是预先训练的存储权重。Keras模型将其权重存储为numpy数组的列表，其中包含每个层的

b

和

w

，并带有可训练的参数。在我看来，.pop（0）两次只需在不使用if语句的情况下进行工作。