Tensorflow 在基于Keras的LSTM模型中，如何得到每个历元一层的权重矩阵？

我有一个基于Keras的简单LSTM模型

X\u序列，X\u测试，Y\u序列，Y\u测试=序列测试分割（输入，标签，测试大小=0.2，随机状态=i*10）
X_列=X_列重塑（80112,12）
X_检验=X_检验。重塑（20112,12）
y_train=np.zero（（80112），dtype='int'）
y_检验=np.零（（20112），dtype='int'）
y_列=np。重复（y_列，112，轴=1）
y_检验=np。重复（y_检验，112，轴=1）
np.随机种子（1）
#创建模型
模型=顺序（）
批量大小=20
添加（BatchNormalization（输入_形状=（112,12），模式=0，轴=2））#4
添加（LSTM（100，返回_序列=False，输入_形状=（112,12）））#7
模型.添加（密集型（112，激活='hard_sigmoid'））#9
编译（loss='binary\u crossentropy'，optimizer='RMSprop'，metrics=['binary\u accurity']）9
模型拟合（X_列，y_列，nb_历元=30）#9
#模型的最终评估
分数=模型。评估（X_测试、y_测试、批次大小=批次大小、详细程度=0）

我知道如何通过

模型获取权重列表。获取权重（）

，但这是模型完全训练后的值。我想得到每个历元的权重矩阵（例如，我的LSTM中的最后一层），而不仅仅是它的最终值。换句话说，我有30个纪元，我需要得到30个权重矩阵值

---

非常感谢，我没有在keras的wiki上找到解决方案。

您可以为其编写自定义回调：

从keras.callbacks导入回调
类CollectWeightCallback（回调）：
定义初始（自，层索引）：
super（CollectWeightCallback，self）。\uuuuu init\uuuuu（）
self.layer\u index=layer\u index
自重=[]
def on_epoch_end（self、epoch、logs=None）：
图层=自.模型.图层[自.图层索引]
self.weights.append（layer.get_weights（））

回调的属性

self.model

是对正在训练的模型的引用。它是通过

回调设置的。在培训开始时设置_model（）

要获得每个历元最后一层的权重，请将其与以下各项一起使用：

cbk = CollectWeightCallback(layer_index=-1)
model.fit(X_train, y_train, nb_epoch=30, callbacks=[cbk])

然后将权重矩阵收集到

cbk.weights