Python 修正TensorFlow神经网络连接

我正在使用Python 3.X和TensorFlow 2.0创建一个玩具神经网络模型，如下所示：

model = Sequential()                                                                                                         

model.add(
    Dense(
        units = 2, activation = 'relu',
        kernel_initializer = tf.keras.initializers.GlorotNormal(),
        input_shape = (2,)
        )
    )

model.add(
    Dense(
        units = 2, activation = 'relu',
        kernel_initializer = tf.keras.initializers.GlorotNormal()
        )
    )

model.add(
    Dense(
        units = 1, activation = 'sigmoid'
        )
    )

现在，我想以分层方式修改模型的权重/偏差。我提出的更改模型随机初始化权重/偏差连接的代码是，幅值小于0.5的连接应变为零，而其他连接应保持不变：

for layer in model.trainable_weights:
    layer = tf.where(tf.less(layer, 0.5), 0, layer)

但是，这段代码并没有像我所希望的那样更改连接。我该怎么办

---

谢谢

您的代码只需创建具有所需值的新张量，并将它们放入Python变量

层

，但不会根据需要更改Tensorflow变量。您需要使用

变量

类的

赋值

方法：

for layer in model.trainable_weights:
    layer.assign(tf.where(tf.less(layer, 0.5), 0, layer))