是否可以保存经过训练的图层以在 Keras 上使用图层？

Posted 2023-03-12

【中文标题】是否可以保存经过训练的图层以在 Keras 上使用图层？

【英文标题】：Is it possible to save a trained layer to use layer on Keras?

【发布时间】：2017-11-22 12:14:48

【问题描述】：

我没用过Keras，正在考虑要不要用。

我想保存一个经过训练的图层以供以后使用。例如：

我训练一个模型。 然后，我获得了一个经过训练的层 t_layer。 我还有另一个模型要训练，它由 layer1、layer2、layer3 组成。 我想将t_layer 用作layer2，而不是更新此层（即t_layer 不再学习）。

这可能是一个奇怪的尝试，但我想试试这个。这在 Keras 上可行吗？

【参考方案1】：

是的，是的。

您可能必须保存图层的权重和偏差，而不是保存图层本身，但这是可能的。

Keras 还允许您save entire models。

假设你在 var model 中有一个模型：

weightsAndBiases = model.layers[i].get_weights()

这是一个 numpy 数组列表，很可能有两个数组：权重和偏差。您可以简单地使用numpy.save() 来保存这两个数组，然后您可以创建一个类似的层并为其赋予权重：

from keras.layers import *
from keras.models import Model

inp = Input(....)    
out1 = SomeKerasLayer(...)(inp)  
out2 = AnotherKerasLayer(....)(out1)
.... 
model = Model(inp,out2)
#above is the usual process of creating a model    

#supposing layer 2 is the layer you want (you can also use names)    

weights = numpy.load(...path to your saved weights)    
biases = numpy.load(... path to your saved biases)
model.layers[2].set_weights([weights,biases])

您可以使层不可训练（必须在模型编译之前完成）：

model.layers[2].trainable = False    

然后你编译模型：

model.compile(.....)    

然后就是这样，一个模型，它的一层是不可训练的，并且有你定义的权重和偏差，取自其他地方。