Python 在开始时声明固定权重

当我有2个输入、1个隐藏层、3个节点和1个输出时，如何在开始时声明固定权重

因此，输入权重必须有6个固定值，输出权重必须有3个固定值

weights_input=tf.Variable([wi1],[wi2],[wi3],[wi4],[wi5],[wi6])

weights_output=tf.Variable([wo1],[wo2],[wo3])

---

可能是这样吧？

您可以通过以下方法解决此问题

from tensorflow.keras.layers import Dense
from tensorflow.keras.models import Sequential

model = Sequential([
                    Dense(3),
                    Dense(1)
]) 

model.compile(loss='mse') 
model.build(input_shape=[2,1])

**Model Summary:** 

Model: "sequential_2"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense_4 (Dense)              multiple                  6         
_________________________________________________________________
dense_5 (Dense)              multiple                  4         
=================================================================
Total params: 10
Trainable params: 10
Non-trainable params: 0  

对于隐藏层，它有10个参数、9个权重和1个偏差

现在，让我们定义输入和输出层的权重

import numpy as np
weights_input=[np.array([[1., 1., 1.]]), np.array([1, 1, 1])]

weights_output=[np.array([[1.],[1.],[1.]]), np.array([1])]  

让我们看看每个层的默认权重

model.layers[0].get_weights()  

输出： [数组（[[0.04900634，-0.6587564，-0.15010011]]，数据类型=float32）， 数组（[0,0,0.]，dtype=float32）]

输出：

[array([[1.],[1.],[1.]], dtype=float32), array([1.], dtype=float32)]

[数组（[-0.3019548]、-0.9051015]、[0.23144984]、dtype=float32）、数组（[0.]，dtype=float32）]

让我们为两层设置权重

model.layers[0].set_weights(weights_input)
model.layers[1].set_weights(weights_output) 

如果我们现在看看每层的重量

model.layers[0].get_weights()  

输出：

[array([[1., 1., 1.]], dtype=float32), array([1., 1., 1.], dtype=float32)]

对于输出层：

输出：

[array([[1.],[1.],[1.]], dtype=float32), array([1.], dtype=float32)]

---

您可以通过以下方法解决此问题

from tensorflow.keras.layers import Dense
from tensorflow.keras.models import Sequential

model = Sequential([
                    Dense(3),
                    Dense(1)
]) 

model.compile(loss='mse') 
model.build(input_shape=[2,1])

**Model Summary:** 

Model: "sequential_2"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense_4 (Dense)              multiple                  6         
_________________________________________________________________
dense_5 (Dense)              multiple                  4         
=================================================================
Total params: 10
Trainable params: 10
Non-trainable params: 0  

对于隐藏层，它有10个参数、9个权重和1个偏差

现在，让我们定义输入和输出层的权重

import numpy as np
weights_input=[np.array([[1., 1., 1.]]), np.array([1, 1, 1])]

weights_output=[np.array([[1.],[1.],[1.]]), np.array([1])]  

让我们看看每个层的默认权重

model.layers[0].get_weights()  

输出： [数组（[[0.04900634，-0.6587564，-0.15010011]]，数据类型=float32）， 数组（[0,0,0.]，dtype=float32）]

输出：

[array([[1.],[1.],[1.]], dtype=float32), array([1.], dtype=float32)]

[数组（[-0.3019548]、-0.9051015]、[0.23144984]、dtype=float32）、数组（[0.]，dtype=float32）]

让我们为两层设置权重

model.layers[0].set_weights(weights_input)
model.layers[1].set_weights(weights_output) 

如果我们现在看看每层的重量

model.layers[0].get_weights()  

输出：

[array([[1., 1., 1.]], dtype=float32), array([1., 1., 1.], dtype=float32)]

对于输出层：

输出：

[array([[1.],[1.],[1.]], dtype=float32), array([1.], dtype=float32)]

---

这是什么语言？这和xor有什么关系？Python和Tensorflow。大多数人使用随机权重，但我想用固定权重追踪第一个时代。这是什么语言？这和xor有什么关系？Python和Tensorflow。大多数人使用随机权重，但我想用固定权重追踪第一个时代。@Ramataklan-如果你认为我回答了你的问题，请接受并投票，谢谢。@Ramataklan-如果你认为我回答了你的问题，请接受并投票，谢谢。