特定形状的 Keras 初始化器
Keras Initializers of a particular shape
我制作了一个小型 keras 模型并使用以下代码获取模型的权重:
from keras.models import Sequential
from keras.layers import Dense, Flatten,Conv2D, MaxPooling2D
input_shape = (28, 28, 1)
model = Sequential()
model.add(Conv2D(1, kernel_size=(2, 2),
activation='relu',
input_shape=input_shape,trainable=False))
model.add(MaxPooling2D(pool_size=(16,16)))
model.add(Flatten())
model.add(Dense(3, activation='softmax',trainable=False))
a=model.get_weights()
现在我想使用 keras 初始化器将权重初始化为与 a 相同的形状,我正在使用以下代码:
from keras.initializers import glorot_uniform
W1 = glorot_uniform((a,))
我的做法对吗?如果它是错误的,那么请给我建议解决方案,如果它是正确的,那么为什么我看不到权重,它显示:
<keras.initializers.VarianceScaling at 0x7f65746ba128>
关于get_weights()
:
方法 model.get_weights()
将 return 一个 numpy 数组列表。因此,您必须小心创建一个包含相同数量数组、相同顺序、相同形状的列表。
在这个模型中,列表中似乎有4个数组,卷积核和偏差加上密集核和偏差。每一个都有不同的形状。
关于初始化器:
初始化器是将shape
作为输入并return作为tensor
的函数。
您看到 VarianceScaling
因为它可能是函数的名称。您应该调用具有形状的函数以获得结果:
weights = [glorot_uniform()(npArray.shape) for npArray in a]
不过,它们将是 keras 张量,而不是 numpy 数组。您应该 K.eval(arr)
它们以将它们作为 numpy 数组。
如果使用 model.set_weights()
,传递带有 numpy 数组的列表(与 get_weights()
中存在的数字相同,形状相同)
初始化器的标准用法:
但实际上,初始化器应该直接用于创建图层,如果您不想指定种子和其他初始化器参数,您可以只使用字符串:
from keras.models import Sequential
from keras.layers import Dense, Flatten,Conv2D, MaxPooling2D
input_shape = (28, 28, 1)
model = Sequential()
model.add(Conv2D(1, kernel_size=(2, 2),
activation='relu',
input_shape=input_shape,
trainable=False,
kernel_initializer='glorot_uniform', #example with string
bias_initializer='zeros'))
model.add(MaxPooling2D(pool_size=(16,16)))
model.add(Flatten())
model.add(Dense(3,
activation='softmax',
trainable=False,
kernel_initializer=glorot_uniform(seed=None), #example creating a function
bias_initializer='zeros'))
在此处阅读有关 initializers 的更多信息。
我制作了一个小型 keras 模型并使用以下代码获取模型的权重:
from keras.models import Sequential
from keras.layers import Dense, Flatten,Conv2D, MaxPooling2D
input_shape = (28, 28, 1)
model = Sequential()
model.add(Conv2D(1, kernel_size=(2, 2),
activation='relu',
input_shape=input_shape,trainable=False))
model.add(MaxPooling2D(pool_size=(16,16)))
model.add(Flatten())
model.add(Dense(3, activation='softmax',trainable=False))
a=model.get_weights()
现在我想使用 keras 初始化器将权重初始化为与 a 相同的形状,我正在使用以下代码:
from keras.initializers import glorot_uniform
W1 = glorot_uniform((a,))
我的做法对吗?如果它是错误的,那么请给我建议解决方案,如果它是正确的,那么为什么我看不到权重,它显示:
<keras.initializers.VarianceScaling at 0x7f65746ba128>
关于get_weights()
:
方法 model.get_weights()
将 return 一个 numpy 数组列表。因此,您必须小心创建一个包含相同数量数组、相同顺序、相同形状的列表。
在这个模型中,列表中似乎有4个数组,卷积核和偏差加上密集核和偏差。每一个都有不同的形状。
关于初始化器:
初始化器是将shape
作为输入并return作为tensor
的函数。
您看到 VarianceScaling
因为它可能是函数的名称。您应该调用具有形状的函数以获得结果:
weights = [glorot_uniform()(npArray.shape) for npArray in a]
不过,它们将是 keras 张量,而不是 numpy 数组。您应该 K.eval(arr)
它们以将它们作为 numpy 数组。
如果使用 model.set_weights()
,传递带有 numpy 数组的列表(与 get_weights()
中存在的数字相同,形状相同)
初始化器的标准用法:
但实际上,初始化器应该直接用于创建图层,如果您不想指定种子和其他初始化器参数,您可以只使用字符串:
from keras.models import Sequential
from keras.layers import Dense, Flatten,Conv2D, MaxPooling2D
input_shape = (28, 28, 1)
model = Sequential()
model.add(Conv2D(1, kernel_size=(2, 2),
activation='relu',
input_shape=input_shape,
trainable=False,
kernel_initializer='glorot_uniform', #example with string
bias_initializer='zeros'))
model.add(MaxPooling2D(pool_size=(16,16)))
model.add(Flatten())
model.add(Dense(3,
activation='softmax',
trainable=False,
kernel_initializer=glorot_uniform(seed=None), #example creating a function
bias_initializer='zeros'))
在此处阅读有关 initializers 的更多信息。