如何从keras模型中获取权重？

Question

我正在尝试为 MNIST 数据集构建一个 2 层神经网络，我想从我的模型中获取权重。

我在 SO 上发现了一个类似的问题，我试过了，

model.get_weights()

但是当我检查len(model.get_weights())时它返回了 11 个值是不是应该返回 3 个权重？ 我什至禁用了偏见。

model = Sequential()
model.add(Flatten(input_shape = (28, 28)))
model.add(Dense(512, activation='relu', kernel_initializer='he_normal', use_bias=False,))
model.add(BatchNormalization())
model.add(Dropout(0.3))
model.add(Dense(128, activation='relu', kernel_initializer='he_normal', use_bias=False,))
model.add(BatchNormalization())
model.add(Dropout(0.1))
model.add(Dense(10, activation='relu', kernel_initializer='he_normal', use_bias=False,))

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

result = model.fit(x_train, y_train, validation_split=0.25, epochs=10, 
                   batch_size=128, verbose=1)

Answer 1

要获取特定层的权重，您可以使用其名称检索该层并对其调用get_weights （如shubham-panchal在其评论中所说）。

例如：

model.get_layer('dense').get_weights()

或者

model.get_layer('dense_2').get_weights()

您可以遍历模型的各个layers并检索其名称和权重：

{layer.name: layer.get_weights() for layer in model.layers}