在卷积层CNN上更改过滤器-Python/TensorFlow

我有以下代码块：

def new_weights(shape):
    return tf.Variable(tf.truncated_normal(shape, stddev=0.05))

以及：

因此，我们可以观察到过滤器的尺寸为3x3，过滤器的数量为8。滤波器是用随机值定义的

我需要做的是用固定值定义我的所有8个过滤器，即预定值，例如：

weigths = [
    [[0,  1, 0,],[0, -1, 0,],[0,  0, 0,],],
    [[0,  0, 1,],[0, -1, 0,],[0,  0, 0,],],
    [[0,  0, 0,],[0, -1, 1,],[0,  0, 0,],],
    [[0,  0, 0,],[0, -1, 0,],[0,  0, 1,],],
    [[0,  0, 0,],[0, -1, 0,],[0,  1, 0,],],
    [[0,  0, 0,],[0, -1, 0,],[1,  0, 0,],], 
    [[0,  0, 0,],[1, -1, 0,],[0,  0, 0,],],
    [[1,  0, 0,],[0, -1, 0,],[0,  0, 0,],]
]

我无法想象，我怎么能在我的代码里做这个修改，有人知道我怎么做吗

---

提前非常感谢

您只需将权重定义为不可训练，并将新权重定义为：

new_weights = tf.Variable( tf.reshape(weights, (3,3,1,8)),trainable=False)
# then apply on the inputs 
layer = tf.nn.conv2d(inputs, filter=new_weights, strides=[1, 1, 1, 1], padding='SAME')

---

如果您想通过某个预定义值初始化权重，可以使用

tf.constant\u初始值设定项

。如果不想训练此权重，可以将其定义为

tf.constant

not

tf.Variable

def new_weights(init_vaue, is_const):
    if (is_const) :
        return tf.constant(init_vaue, name='weights')
    else:
        initializer = tf.constant_initializer(init_vaue)
        return tf.get_variable('weights', shape = init_vaue.shape, initializer=initializer)

weights = np.ones([3,3,1,8], dtype=np.float)
print(weights.shape)

value = new_weights(weights, True)
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    value_ = sess.run(value) 
    print(value_)

---

以下是在TF2中执行此操作的方法：

model=models.Sequential（）
#一个3x3过滤器
添加（layers.Conv2D（1，（3，3），input_shape=（无，无，1）））
#访问目标层
图层=模型。图层[0]
current_w，current_bias=图层。获取_权重（）#查看当前权重
new_w=tf.常数（[[1,2,3]，
[4, 5, 6],
[7, 8, 9]])
new_w=tf.重塑（new_w，custom_w.形状）#固定形状
新偏差=tf.常数（[0]）
层。设置权重（[new\u w，new\u bias]）
model.summary（）
#让我想想。。
tf.print（model.layers[0]。获取权重（）

我不明白，你能解释更多吗？我这样做了，得到了以下错误：“Conv2D”Op的输入“filter”的类型float64与参数“Input”的类型float32不匹配。将权重转换为float32，tf.Variable（tf.reforme（tf.Cast（weights，tf.float32）、（3,3,1,8）），trainable=False），这样做，不再使用def新权重（形状）：？我真的不知道我是否正确设置了结构…Ups，对不起。修复它。但是我在哪里设置我的8个过滤器？在new_weights（）中，您应该将line

weights=np.ones（[3,3,1,8]，dtype=np.float）

更改为一些代码，以填充

weights

数组。

def new_weights(init_vaue, is_const):
    if (is_const) :
        return tf.constant(init_vaue, name='weights')
    else:
        initializer = tf.constant_initializer(init_vaue)
        return tf.get_variable('weights', shape = init_vaue.shape, initializer=initializer)

weights = np.ones([3,3,1,8], dtype=np.float)
print(weights.shape)

value = new_weights(weights, True)
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    value_ = sess.run(value) 
    print(value_)