Python CNN层如何添加其偏移值？

我需要用Keras（Tensorflow作为后端）设置的权重将CNN模型编写为Theano函数，但我不确定如何添加与每个层相关的偏差值

这个解决方案可以很好地将单个层编写为Theano函数，但我需要使用每个层的偏差来堆叠权重

我的代码的简化版本：

model = Sequential([

    InputLayer(batch_input_shape=(None,100,1)),
    Convolution1D(nb_filter=16, filter_length=8, activation='relu', border_mode='same', init='he_normal', input_shape=(None,100,1)),
    Convolution1D(nb_filter=32, filter_length=8, activation='relu', border_mode='same', init='he_normal'), 
    MaxPooling1D(pool_length=4),
    Flatten(),
    Dense(output_dim=32, activation='relu', init='he_normal'),
    Dense(output_dim=1, input_dim=32, activation='linear'),
])

如何将偏移权重添加到CNN层

例如，我的第一层的权重具有以下维度：（8,1,1,16）

带有尺寸偏差：（16，）

这很容易连接在一起得到尺寸：（9,1,1,16）

但对于下一层，我有维度：（8,1,16,32）

带有尺寸偏差：（32，）

---

如何将其合并为一个权重矩阵？要进入Theano T.signal.conv.conv2d功能？

不确定您的意思。通常卷积网络对每个特征映射都有一个偏差。你想完成什么？你想建立你的网络，然后改变你的偏见，以一个理想的值吗？不，我已经设置了我的权重，需要写在一个函数的形式类似于此，但一个CNN的形式。但我不确定CNN层和它们的偏见是如何结合在一起的。我仍然不明白你的意思。如果你想向卷积层添加偏差，你可以简单地将参数bias=True（keras 1）或use_bias=True（keras 2）传递到卷积层。我已经设置了所有权重，包括偏差。我试图以函数的形式编写我的模型，就像我在这个解决方案stackoverflow.com/questions/42792405/…中所做的那样，但是对于密集层，将层与相应的偏差结合起来是相当简单的。我只是很难理解CNN层的层权重和偏移权重是如何叠加的。如何将权重与尺寸（8、1、16、32）以及偏差与尺寸（32、）叠加？我需要以Theano函数的形式来编写它，以返回雅可比矩阵进行误差传播