重置Keras层中的权重

Question

我想重置（随机化）我的Keras（深度学习）模型中所有层的权重。原因是我希望能够使用不同的数据拆分多次训练模型，而不必每次都进行（缓慢的）模型重新编译。

受此讨论的启发，我正在尝试以下代码：

# Reset weights
for layer in KModel.layers:
    if hasattr(layer,'init'):
        input_dim = layer.input_shape[1]
        new_weights = layer.init((input_dim, layer.output_dim),name='{}_W'.format(layer.name))
        layer.trainable_weights[0].set_value(new_weights.get_value())

但是，它仅部分起作用。

部分是因为我检查了一些layer.get_weights（）值，但它们似乎有所变化。但是，当我重新开始训练时，成本值比第一次运行时的初始成本值低得多。几乎就像我已经成功重置了一些权重，但不是全部。

对于我要去哪里的任何提示，将深表感谢。谢谢..

Answer 1

在编译模型之后但在训练之前，保存初始权重：

model.save_weights('model.h5')

然后在训练后，通过重新加载初始权重来“重置”模型：

model.load_weights('model.h5')

这使您可以从Apple到Apple模型比较不同的数据集，并且比重新编译整个模型要快。