是否可以获取上一层的权重，修改它们并再次设置到下一层。我想在网络中引入一个自定义层，它将修改权重（根据所需的逻辑），然后将修改后的权重值设置为下一层。如下图所示：
我不确定这是否可能。我知道我们可以转储快照，然后使用它来设置新的权重。我还可以使用快照转换权重。但是，我不知道如何在网络本身内执行此操作（无需拍摄或使用任何快照）。
谢谢
KK
【问题讨论】：
标签： python deep-learning keras keras-layer
tl;dr：加载一个模型（无需编译）并使用您想要初始化模型的权重。为要更改的图层创建新的权重。
完整版：
根据this thread 和 fchollet 自己的解释，执行此操作的规范方法是将权重加载到以前的 Keras 模型中（您不需要编译它，所以它是即时的）并将该模型用作用于访问权重的可查询数据结构。
对于顺序模型，您可以这样做：
weights = model.layers[5].get_weights()
model.layers[5].set_weights(weights)
另请参阅：another discussion 使用 fchollet 讨论此主题。
【讨论】：