Keras - 获得训练层的权重

Posted 2023-02-23

【中文标题】Keras - 获得训练层的权重

【英文标题】：Keras - get weight of trained layer

【发布时间】：2017-10-07 09:12:29

【问题描述】：

我正在尝试在经过训练的网络中获取层的值。我可以将图层作为 TensorFlow 张量获取，但我无法以数组形状访问其值：

from keras.models import load_model

model = load_model('./model.h5')
layer_dict = dict([(layer.name, layer) for layer in model.layers])

layer_name = 'block5_sepconv1_act'
filter_index = 0

layer_output = layer_dict['model_1'][layer_name].output
# <tf.Tensor 'block5_sepconv1_act/Relu:0' shape=(?, 16, 16, 728) dtype=float32>
layer_filter = layer_output[:, :, :, filter_index]
# <tf.Tensor 'strided_slice_11:0' shape=(?, 16, 16) dtype=float32>
# how do I get the 16x16 values ??

【问题讨论】：

你想要输出值还是权重？它们不一样。

【参考方案1】：

.get_weights() 会将特定层或模型的权重作为 numpy 数组返回

layer_dict[layer_name].get_weights()

如果您想要图层的输出，请查看问题here 的答案。

【参考方案2】：

如果您使用 tensorflow 后端，您可以使用当前会话 sess 评估张量的值并提供正确的输入

import keras.backend as K

input_value = np.zeros(size=(batch_size, input_dim))
sess = K.get_session()
output = sess.run(layer_output, feed_dict=model.input: input_value)

如果您只想检索权重，可以使用以下方法评估层的权重：

weights = [w.eval(K.get_session) for w in layer_dict['model_1'][layer_name].weights]