Keras - 获取已训练层的权重

Question

我试图获取训练网络中一层的值。我可以把这层作为TensorFlow张量获取，但是我无法以数组形式访问它的值：

from keras.models import load_model

model = load_model('./model.h5')
layer_dict = dict([(layer.name, layer) for layer in model.layers])

layer_name = 'block5_sepconv1_act'
filter_index = 0

layer_output = layer_dict['model_1'][layer_name].output
# <tf.Tensor 'block5_sepconv1_act/Relu:0' shape=(?, 16, 16, 728) dtype=float32>
layer_filter = layer_output[:, :, :, filter_index]
# <tf.Tensor 'strided_slice_11:0' shape=(?, 16, 16) dtype=float32>
# how do I get the 16x16 values ??

- Guig

---

你需要输出数值还是权重？它们并不相同。 - Dr. Snoopy

Answer 1

.get_weights() 方法将以numpy数组的形式返回特定层或模型的权重

layer_dict[layer_name].get_weights()

如果您需要该层的输出，请查看此问题中的答案：这里。

- Wilmar van Ommeren

Answer 2

如果您使用 tensorflow 后端，可以使用当前会话 sess 并提供正确的输入来评估张量的值。

import keras.backend as K

input_value = np.zeros(size=(batch_size, input_dim))
sess = K.get_session()
output = sess.run(layer_output, feed_dict={model.input: input_value})

如果您只想获取权重，可以使用以下方式评估层的权重：

weights = [w.eval(K.get_session) for w in layer_dict['model_1'][layer_name].weights]

- Thomas Moreau