Python 如何在Keras上使用Glorot重新初始化预训练模型的权重？

我试图用Tensorflow的Glorot Uniform和Keras重新初始化冰层重量。最接近的方法是：

import numpy as np
import tensorflow as tf
for layer in base_model.layers:
  layer_new_weights = []
  for layer_weights in layer.get_weights():
    initializer = tf.compat.v1.keras.initializers.glorot_normal
    weights = initializer(np.shape(layer_weights))
    layer_new_weights .append(weights)
  layer.set_wegiths(layer_new_weights)

你知道如何从Glorot将每层预训练模型的权重设置为ResNet50吗

---

谢谢

如果您是在keras.applications.exception或其他keras迁移学习模型上执行此操作。试试这个：

InceptionV3（input_shape=（150，150，3），include_top=False，weights=None）

通过将权重设置为None（随机初始化），可能您可以获得“重新初始化”的预训练模型。Glorot似乎并不适用于Resnet中的所有层。

此代码似乎完全符合您的要求，问题是什么？不起作用。权重结果为

GlorotNorm

您能具体说明吗？我不明白你的意思。