keras 模型中的平均权重

Posted 2023-03-12

【中文标题】keras 模型中的平均权重

【英文标题】：Average weights in keras models

【发布时间】：2018-06-21 01:56:09

【问题描述】：

当我训练几个具有相同架构和不同初始化的模型时，如何在 Keras 模型中平均权重？

现在我的代码看起来像这样？

datagen = ImageDataGenerator(rotation_range=15,
                             width_shift_range=2.0/28,
                             height_shift_range=2.0/28
                            )

epochs = 40 
lr = (1.234e-3)
optimizer = Adam(lr=lr)

main_input = Input(shape= (28,28,1), name='main_input')

sub_models = []

for i in range(5):

    x = Conv2D(32, kernel_size=(3,3), strides=1)(main_input)
    x = BatchNormalization()(x)
    x = Activation('relu')(x)
    x = MaxPool2D(pool_size=2)(x)

    x = Conv2D(64, kernel_size=(3,3), strides=1)(x)
    x = BatchNormalization()(x)
    x = Activation('relu')(x)
    x = MaxPool2D(pool_size=2)(x)

    x = Conv2D(64, kernel_size=(3,3), strides=1)(x)
    x = BatchNormalization()(x)
    x = Activation('relu')(x)

    x = Flatten()(x)

    x = Dense(1024)(x)
    x = BatchNormalization()(x)
    x = Activation('relu')(x)
    x = Dropout(0.1)(x)

    x = Dense(256)(x)
    x = BatchNormalization()(x)
    x = Activation('relu')(x)
    x = Dropout(0.4)(x)

    x = Dense(10, activation='softmax')(x)

    sub_models.append(x)

x = keras.layers.average(sub_models)

main_output = keras.layers.average(sub_models)

model = Model(inputs=[main_input], outputs=[main_output])

model.compile(loss='categorical_crossentropy', metrics=['accuracy'],
              optimizer=optimizer)

print(model.summary())

plot_model(model, to_file='model.png')

filepath="weights.best.hdf5"
checkpoint = ModelCheckpoint(filepath, monitor='val_acc', verbose=1, save_best_only=True, mode='max')
tensorboard = TensorBoard(log_dir='./Graph', histogram_freq=0, write_graph=True, write_images=True)
callbacks = [checkpoint, tensorboard]

model.fit_generator(datagen.flow(X_train, y_train, batch_size=128),
                    steps_per_epoch=len(X_train) / 128,
                    epochs=epochs,
                    callbacks=callbacks,
                    verbose=1,
                    validation_data=(X_test, y_test))

所以现在我只平均最后一层，但我想在单独训练每一层后平均所有层的权重。

谢谢！

【问题讨论】：

你根本无法平均神经网络的权重。

到目前为止你尝试过什么？如果在每一层之间调用keras.layers.average() 会怎样？

不想在每一层之间进行平均，因为我想分别训练每个模型。如果在每一层之后进行平均，那就不同了。同样是当我在训练前对最后一层的模型进行平均时，这也是不同的。

@MatiasValdenegro 是的，你可以：arxiv.org/abs/1803.05407

@Scratch 这篇论文不支持这个问题中提出的想法，它是关于对 SGD 轨迹进行平均的，它是在提出这个问题之后出现的。

【参考方案1】：

所以让我们假设models 是您的模型的集合。首先 - 收集所有权重：

weights = [model.get_weights() for model in models]

现在 - 创建一个新的平均权重：

new_weights = list()

for weights_list_tuple in zip(*weights):
    new_weights.append(
        [numpy.array(weights_).mean(axis=0)\
            for weights_ in zip(*weights_list_tuple)])

剩下的就是在新模型中设置这些权重：

new_model.set_weights(new_weights)

当然 - 平均权重可能不是一个好主意，但如果你尝试 - 你应该遵循这种方法。

【讨论】：

为什么这是个坏主意？我受到cs231n.github.io/neural-networks-3/#ensemble 的启发，据说这是个好主意；）

只是给你一个例子，为什么这可能会出错 - 采用一个模型并以一致的方式排列所有过滤器。该网络在数学上将是等效的 - 但平均值可能与原始函数有很大不同。而且我并不是说这是个坏主意-我声称它可能;)

我还有一个问题。我得到：'NoneType' 对象没有属性'evaluate' 我发现它连接到 fit_generator，但不知道如何解决这个问题，你能帮忙吗？谢谢！

github.com/miloszbednarzak/mnist/blob/master/…

将此行 new_model = model.set_weights(new_weights) 更改为`model.set_weights(new_weights)

【参考方案2】：

我无法对已接受的答案发表评论，但要使其在 tensorflow 2.0 和 tf.keras 上工作，我必须将循环中的列表变成一个 numpy 数组：

new_weights = list()
for weights_list_tuple in zip(*weights): 
    new_weights.append(
        np.array([np.array(w).mean(axis=0) for w in zip(*weights_list_tuple)])
    )

如果不同的输入模型需要不同的权重，则需要将np.array(w).mean(axis=0) 替换为np.average(np.array(w),axis=0, weights=relative_weights)，其中relative_weights 是一个数组，每个模型都有一个权重因子。