Python 从CNN层获取过滤器值

我有以下模型（例如）

在我的自动编码器模型中，我有几个这样的层次。我对第一层的过滤器特别感兴趣。共有64个过滤器，每个大小为3x3

为了获得过滤器，我尝试使用以下代码：

x.layers[0].get_weights()[0]

但我得到的错误如下：

AttributeError                            Traceback (most recent call last)
<ipython-input-166-96506292d6d7> in <module>()
      4 x = Conv2D(64, (3, 3), strides=(1, 1), activation='relu', padding='same')(input_img)
      5 
----> 6 x.layers[0].get_weights()[0]

AttributeError: 'Tensor' object has no attribute 'layers'

---

我是CNN的新手，我甚至不知道get_weights函数是否可以帮助我获得过滤器值。如何获取过滤器的值？

此时，您的代码正在层定义本身上调用

layers

函数

首先需要编译模型，然后可以在模型上使用

layers

函数来检索特定层的权重

就你而言：

weights = model.layers[1].get_weights()

将为您提供第一个卷积层的权重集

您可以在编译模型后使用：

model = Model(inputs=input_img, output=b)

---

其中

b

指模型中的最后一层。

此时，代码正在调用层定义本身的

层

函数

首先需要编译模型，然后可以在模型上使用

layers

函数来检索特定层的权重

就你而言：

weights = model.layers[1].get_weights()

将为您提供第一个卷积层的权重集

您可以在编译模型后使用：

model = Model(inputs=input_img, output=b)

---

其中

b

表示模型中的最后一层。

可以通过调用中的索引[1]访问卷积层以获取权重，因为第一个元素现在将是您的输入层。rit给我一个错误索引器：列表索引超出范围。另外，我想让第一层上的过滤器在这些过滤器上应用几何平移。我认为在我编译之后这是不可能的。你怎么看？正如评论中提到的，在输入层调用函数会导致错误，因为输入层没有权重。我不确定我是否理解你评论的第二部分。您是否试图在模型中创建第一个卷积层的“几何平移”（您必须对此进行澄清）层？您是否意识到该模型最初是使用随机权重编译的，首先需要进行训练？因为我看不出有理由对包含随机权重的过滤器应用转换，所以我在按照您在回答中显示的方式编译模型后进行了转换，但仍然得到了错误。可以通过调用中的索引[1]访问卷积层以获得_权重，由于第一个元素现在将是您的输入层，RIT给了我一个错误索引器：列表索引超出范围。另外，我想让第一层上的过滤器在这些过滤器上应用几何平移。我认为在我编译之后这是不可能的。你怎么看？正如评论中提到的，在输入层调用函数会导致错误，因为输入层没有权重。我不确定我是否理解你评论的第二部分。您是否试图在模型中创建第一个卷积层的“几何平移”（您必须对此进行澄清）层？您是否意识到该模型最初是使用随机权重编译的，首先需要进行训练？因为我看不出有任何理由对包含随机权重的过滤器应用转换，所以我在按照您在答案中显示的方式编译模型后就这样做了，但仍然出现了错误。