如何從keras模型中獲取權重？

Question

我正在嘗試為 MNIST 數據集構建一個 2 層神經網絡，我想從我的模型中獲取權重。

我在 SO 上發現了一個類似的問題，我試過了，

model.get_weights()

但是當我檢查len(model.get_weights())時它返回了 11 個值是不是應該返回 3 個權重？ 我什至禁用了偏見。

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

要獲取特定層的權重，您可以使用其名稱檢索該層並對其調用get_weights （如shubham-panchal在其評論中所說）。

例如：

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

或者

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

您可以遍歷模型的各個layers並檢索其名稱和權重：

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