Tensorflow Keras权重和get_权重（）显示不同的值_Tensorflow_Keras

Tensorflow Keras权重和get_权重（）显示不同的值

tensorflow keras

Tensorflow Keras权重和get_权重（）显示不同的值,tensorflow,keras,Tensorflow,Keras,我将Keras与Tensorflow一起使用。Keras层有一个方法“get_weights（）”和一个属性“weights”。我的理解是“权重”输出权重的张量流张量，“get_weights（）”计算权重张量并将值作为numpy数组输出。然而，这两个事实上显示了不同的值。下面是要复制的代码从keras.applications.vgg19导入vgg19 导入tensorflow作为tf vgg19=vgg19（权重='imagenet'，包括顶部=假） vgg19.get_layer（'bl

我将Keras与Tensorflow一起使用。Keras层有一个方法“get_weights（）”和一个属性“weights”。我的理解是“权重”输出权重的张量流张量，“get_weights（）”计算权重张量并将值作为numpy数组输出。然而，这两个事实上显示了不同的值。下面是要复制的代码

从keras.applications.vgg19导入vgg19
导入tensorflow作为tf
vgg19=vgg19（权重='imagenet'，包括顶部=假）
vgg19.get_layer（'block5_conv1'）。get_weights（）[0][0,0,0,0]
#结果是0.0028906602，这实际上是预训练重量
sess=tf.Session（）
sess.run（tf.global\u variables\u initializer（））
#我必须在这里运行初始化器。否则，下一行将给我一个错误
sess.run（vgg19.get_层（'block5_conv1'）。权重[0][0,0,0,0]）
#这里的结果对我来说是-0.017039195。每次似乎都是一个随机数。

我的Keras版本是2.0.6。我的Tensorflow是1.3.0。谢谢大家!

方法

get\u weights（）

实际上只是计算属性

weights

给出的Tensorflow张量的值。我在

get_weights（）

和

sess.run（weight）

之间得到不同值的原因是我在两个不同的会话中引用了变量。当我运行

vgg19=vgg19（weights='imagenet'，include_top=False）

时，Keras已经创建了Tensorflow会话，并在该会话中使用预先训练的值初始化权重。然后我通过运行

sess=tf.session（）

创建了另一个名为sess的Tensorflow会话。在此会话中，权重尚未初始化。然后，当我运行

sess.run（tf.global\u variables\u initializer（））

时，随机数被分配给这个会话中的权重。因此，关键是要确保在使用Tensorflow和Keras时使用同一会话。下面的代码显示

get_weights（）

和

sess.run（weight）

给出相同的值

将tensorflow导入为tf
从keras导入后端为K
从keras.applications.vgg19导入vgg19
sess=tf.Session（）
K.SETU会话（sess）
vgg19=vgg19（权重='imagenet'，包括顶部=假）
vgg19.get_layer（'block5_conv1'）。get_weights（）[0][0,0,0,0]
#结果是0.0028906602，这实际上是预训练重量
sess.run（vgg19.get_层（'block5_conv1'）。权重[0][0,0,0,0]）
#这里的结果也是0.0028906602

方法

get\u weights（）