Tensorflow keras自定义conv2d初始化

我一直在想如何在Keras中为Conv2D层创建自定义初始化。 有谁能举例说明如何手动创建“过滤器”或权重模型作为培训的起点。i、 我想把一个二维矩阵和权重传递给Conv2D层，这个矩阵可以作为起点。 矩阵可以是高斯模糊滤波器、锐化滤波器或边缘检测器等

---

JR

来自Keras文件，关于：

---

因此，您可以轻松地在

my_init（）

中定义适当的自定义初始化，并在

Conv2D

层中使用该初始化。

如何在此处使用numpy数组而不是K.random_normal（）进行初始化？我认为您可以编写

返回K.variable（value=val，dtype=dtype）

。

val

将是shape=

shape

和type=

dtype

的Numpy数组。

from keras import backend as K

def my_init(shape, dtype=None):
    return K.random_normal(shape, dtype=dtype)    

model.add(Dense(64, init=my_init))