如何为Convolution2D设定权重？
如何为Convolution2D设定权重？
提问于 2017-02-13 19:05:00
我想设置Convolution2D层的权重：
conv = Convolution2D(conv_out_size, window_size, embedding_size,
border_mode='same',
activation='relu',
weights=weights,
name='conv_{:d}'.format(i))(in_x)但我不确定这会是什么。我试过几次，但大多数时候
ValueError: You called `set_weights(weights)` on layer "conv_0" with a weight list of length 1, but the layer was expecting 2 weights. 不知道这到底意味着什么。
回答 1
Stack Overflow用户
回答已采纳
发布于 2017-02-13 19:49:03
您应该通过set_weights方法向您的卷积层传递一个numpy数组。
请记住，卷积层的权重不仅是每个滤波器的权重，而且也是偏差。因此，如果您想设置您的权重，您需要添加一个额外的维度。
例如，如果要设置除中心元素以外的所有权重为零的1x3x3过滤器，则应该设置如下：
w = np.asarray([
[[[
[0,0,0],
[0,2,0],
[0,0,0]
]]]
])然后设置它。
对于可以运行的代码：
#!/usr/bin/env python
# -*- coding: utf-8 -*-
from __future__ import print_function
import numpy as np
np.random.seed(1234)
from keras.layers import Input
from keras.layers.convolutional import Convolution2D
from keras.models import Model
print("Building Model...")
inp = Input(shape=(1,None,None))
output = Convolution2D(1, 3, 3, border_mode='same', init='normal',bias=False)(inp)
model_network = Model(input=inp, output=output)
print("Weights before change:")
print (model_network.layers[1].get_weights())
w = np.asarray([
[[[
[0,0,0],
[0,2,0],
[0,0,0]
]]]
])
input_mat = np.asarray([
[[
[1.,2.,3.],
[4.,5.,6.],
[7.,8.,9.]
]]
])
model_network.layers[1].set_weights(w)
print("Weights after change:")
print(model_network.layers[1].get_weights())
print("Input:")
print(input_mat)
print("Output:")
print(model_network.predict(input_mat))尝试更改卷积填充器中的中心元素(示例中为2)。
守则的作用是：
首先建立一个模型。
inp = Input(shape=(1,None,None))
output = Convolution2D(1, 3, 3, border_mode='same', init='normal',bias=False)(inp)
model_network = Model(input=inp, output=output)打印原始权重(用正态分布初始化，init=‘正态’)
print (model_network.layers[1].get_weights())创建所需的权重张量w和一些输入input_mat
w = np.asarray([
[[[
[0,0,0],
[0,2,0],
[0,0,0]
]]]
])
input_mat = np.asarray([
[[
[1.,2.,3.],
[4.,5.,6.],
[7.,8.,9.]
]]
])设置你的重量并打印出来
model_network.layers[1].set_weights(w)
print("Weights after change:")
print(model_network.layers[1].get_weights())最后，使用它生成带有预测的输出(预测会自动编译模型)
print(model_network.predict(input_mat))示例输出：
Using Theano backend.
Building Model...
Weights before change:
[array([[[[ 0.02357176, -0.05954878, 0.07163535],
[-0.01563259, -0.03602944, 0.04435815],
[ 0.04297942, -0.03182618, 0.00078482]]]], dtype=float32)]
Weights after change:
[array([[[[ 0., 0., 0.],
[ 0., 2., 0.],
[ 0., 0., 0.]]]], dtype=float32)]
Input:
[[[[ 1. 2. 3.]
[ 4. 5. 6.]
[ 7. 8. 9.]]]]
Output:
[[[[ 2. 4. 6.]
[ 8. 10. 12.]
[ 14. 16. 18.]]]]页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/42211619
复制相关文章
相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号