Python 在功能性Keras模型中，如何将前几层的权重作为输入传递给客户层的调用函数？

对于自定义层的调用方法，我需要一些先前层的权重，但我不需要修改它们，只需要访问它们的值。 我的价值如表1所示 但这会将权重作为numpy数组返回。 因此，我将它们转换为Tensor（使用来自Keras后端的tf.convert_to_Tensor），但是，在创建模型的那一刻，我出现了这样一个错误“'NoneType'对象没有属性'\u inbound_nodes'”。 我如何解决这个问题？

---

谢谢。

TensorFlow提供了对变量进行分组的图形集合。要访问经过训练的变量，您可以调用

tf.get_集合（tf.GraphKeys.TRAINABLE_variables）

或其缩写

tf.TRAINABLE_variables（）

或使用

tf.get_集合（tf.GraphKeys.variables）

或其缩写

tf.all_variables（）

---

您可以在初始化自定义图层类时传递该图层

自定义图层：

class CustomLayer(Layer):
    def __init__(self, reference_layer):
      super(CustomLayer, self).__init__()
      self.ref_layer = reference_layer # precedent layer

    def call(self, inputs):
        weights = self.ref_layer.get_weights()
        ''' do something with these weights '''
        return something

现在，您可以使用将该层添加到模型中

---

在这里，

自定义_层

可以访问层的权重

稠密

请添加代码，没有它错误就没有意义，并描述此层将使用weights@MariaLauraBennato不客气。这解决了你的问题吗，你测试过了吗？如果是，请用复选标记接受我的答案。

class CustomLayer(Layer):
    def __init__(self, reference_layer):
      super(CustomLayer, self).__init__()
      self.ref_layer = reference_layer # precedent layer

    def call(self, inputs):
        weights = self.ref_layer.get_weights()
        ''' do something with these weights '''
        return something

inp = Input(shape=(5))
dense = Dense(5)
custom_layer= CustomLayer(dense) # pass layer here

#model
x = dense(inp)
x = custom_layer(x)
model = Model(inputs=inp, outputs=x)