我在使用Keras后端函数设置值时遇到问题.我正在尝试将模型从PyTorch转换为Keras并尝试设置Keras模型的权重,但权重似乎没有设置.注意:我实际上并没有使用np.ones来设置一个例子.
我努力了…
加载现有模型
import keras
from keras.models import load_model, Model
model = load_model(model_dir+file_name)
keras_layer = [layer for layer in model.layers if layer.name=='conv2d_1'][0]
创建一个简单的模型
img_input = keras.layers.Input(shape=(3,3,3))
x = keras.layers.Conv2D(1, kernel_size=1, strides=1, padding="valid",
use_bias=False, name='conv1')(img_input)
model = Model(img_input, x)
keras_layer = [layer for layer in model.layers if layer.name=='conv1'][0]
然后使用set_weights或set_value
keras_layer.set_weights([np.ones((1, 1, 3, 1))])
要么…
K.batch_set_value([(weight,np.ones((1, 1, 3, 1))) for weight in keras_layer.weights])
之后我打电话给以下任何一个:
K.batch_get_value([weight for weight in keras_layer.weights])
keras_layer.get_weights()
并且没有任何权重显示已设置.返回与之前相同的值.
[array([[[[ 1.61547325e-06],
[ 2.97779252e-06],
[ 1.50160542e-06]]]], dtype=float32)]
如何使用numpy数组值设置Keras中图层的权重?
解决方法:
什么是代码中的keras_layer?
您可以通过以下方式设置权重:
model.layers[i].set_weights(listOfNumpyArrays)
model.get_layer(layerName).set_weights(...)
model.set_weights(listOfNumpyArrays)
其中model是现有模型的实例.
您可以使用上面相同实例中的get_weights()方法查看列表的预期长度及其数组形状.
标签:python,tensorflow,keras,deep-learning