如何在kerras中使用numpy数组设置权重？

Question

我在设置值的Keras后端功能上遇到麻烦。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，但是权重似乎没有被设置。注意：我实际上并没有使用np.ones进行设置，仅以示例为例。

我试过了…

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，我将调用以下任一方法：

K.batch_get_value([weight for weight in keras_layer.weights])
keras_layer.get_weights()

而且似乎没有设置任何权重。返回与以前相同的值。

[array([[[[  1.61547325e-06],
      [  2.97779252e-06],
      [  1.50160542e-06]]]], dtype=float32)]

如何设置numpy值数组在Keras中的图层权重？

Answer 1

什么是keras_layer你的代码？

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)

model现有模型的实例在哪里。您可以使用get_weights()上述相同实例中的方法查看列表的预期长度及其数组形状。