keras中对权重的手动操作code snipnet

比方说冻住最后三层的参数，不让它们被训练更新：

for layer in model.layers[:-3]:

    layer.trainable = False

或者在model建立的时候就设定好参数，比如：

frozen_layer = Dense(32, trainable=False)  #在compile之后才会生效

model.add(Dense(512, trainable=False))

x=Convolution2D(64,[3,3],strides=1,
                          name='layer1')(inputs)
x.trainable=False
 

整体权重的导入与保存采用下面的code:

model.save_weights('./weights.h5')

model.load_weights('./weights.h5')

 

有的时候，如果网络结构相同，当你只想载入部分权重的时候，这时可以利用名称name相同来做文章，比如

model.layers[5].name = 'null'

model.load_weights('./weights.h5', by_name=True)

后面的by_name一定要设置为true，这样第5层的网络的参数就不会被加载了。

 

一层一层的加也可以，比方说这样：

weights_list = model_old.get_weights()

对新的model设定参数：

for i, weights in enumerate(weights_list[0:3]):

    model.layers[i].set_weights(weights)
 

或者这样，每层单独的更新：

for j in range(len(model.layers)):

    model.layers[j].kernel = 1

    model.layers[j].bias = 0