Tensorflow 如何在预训练模型中随机初始化层？

我使用的是在ImageNet上训练的带有预初始化权重的异常模型，因此：

model = keras.applications.Xception(
    weights='imagenet',
    input_shape=(150,150,3)
)

现在，我想获取特定的层（通过其名称，使用

model.get_layer（layerName）

），然后将其权重重新初始化为完全随机的一个

---

最简单的方法是什么？如果可能的话？

您可以使用如下重新初始化函数：

def重新初始化层（模型、初始值设定项、层名称）：
图层=模型。获取图层（图层名称）
layer.set_weights（[layer.get_weights（）]中w的初始值设定项（shape=w.shape））

您还可以使用图层索引，而不是

图层名称。如果要重新初始化多个图层，还可以扩展该函数，使其获取图层名称列表

用法示例：

导入keras
模型=keras.applications.exception(
权重='imagenet'，
输入_形状=（299,3）
)
#零作为说明性示例，请更改为其他内容
初始化器=keras.initializers.Zeros（）
#检查预训练重量
打印（model.get_layer（“预测”）.get_weights（））
#将“预测”改为您喜欢使用的任何图层名称
重新初始化_层（模型、初始值设定项、“预测”）
#重新初始化后检查重量
打印（model.get_layer（“预测”）.get_weights（））
model.compile（…）
模型拟合（…）