python确定指标权重_Keras设置以及获取权重的实现

layer的两个函数：

get_weights(), set_weights(weights)。

补充知识：Keras层的共同函数

关于Keras层：

所有Keras层都有很多共同的函数：

layer.get_weights(): # 以Numpy矩阵的形式返回层的权重。

layer.set_weights(weights): # 从Numpy矩阵中设置层的权重(与get_weights的输出形状相同)。

layer.get_config(): # 返回包含层配置的字典。

图层的重置：

layer = Dense(32)

config = layer.get_config()

reconstructed_layer = Dense.from_config(config)

#

from keras import layers

config = layer.get_config()

layer = layers.deserialize({'class_name': layer.__class__.__name__,

'config': config})

如果一个层具有单个节点， (i.e. 如果它不是共享层), 可以得到它的输入张量，输出张量，输入尺寸和输出尺寸:

layer.input

layer.output

layer.input_shape

layer.output_shape

如果层有多个节点 (层节点和共享层), 可以使用以下函数: 要指明再哪个节点处获得张量，哪个节点处获得张量尺寸。

layer.get_input_at(node_index)

layer.get_output_at(node_index)

layer.get_input_shape_at(node_index)

layer.get_output_shape_at(node_index)

以上这篇Keras设置以及获取权重的实现就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。