Python 如何从keras模型中获取权重？

我正在尝试为MNIST数据集构建一个两层神经网络，我想从我的模型中获取权重

我在她身上发现了一个类似的问题我试了一下

model.get_weights()

但是当我检查

len（model.get_weights（））

时，它返回了11个值，难道它不应该返回3个权重吗？我甚至消除了偏见

model = Sequential()
model.add(Flatten(input_shape = (28, 28)))
model.add(Dense(512, activation='relu', kernel_initializer='he_normal', use_bias=False,))
model.add(BatchNormalization())
model.add(Dropout(0.3))
model.add(Dense(128, activation='relu', kernel_initializer='he_normal', use_bias=False,))
model.add(BatchNormalization())
model.add(Dropout(0.1))
model.add(Dense(10, activation='relu', kernel_initializer='he_normal', use_bias=False,))

model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

result = model.fit(x_train, y_train, validation_split=0.25, epochs=10, 
                   batch_size=128, verbose=1)

---

要获取特定层的权重，可以使用其名称检索该层，并在其上调用

get_weights

（如its中所述）

例如：

model.get_layer('dense').get_weights()

或

您可以浏览模型的

层

，并检索其名称和权重：

{layer.name: layer.get_weights() for layer in model.layers}

---

你可以得到每一层的权重。你从哪里得到3？@cs95什么算一层？那怎么可能是11点？我只有3个致密层，对吗？我是神经网络的新手。在中定义的任何东西都是一个层。基本上，任何可以配置权重或参数的东西都是一个层。可能activation='relu'算作一个单独的层。或者有其他权重对应于优化者或损失。我对TensorFlow keras API不是很熟悉，而是应该迭代模型中的每一层，分别获得每一层的权重。

{layer.name: layer.get_weights() for layer in model.layers}