在 Keras 中向输出层添加新节点答案

【问题标题】：Adding new nodes to output layer in Keras在 Keras 中向输出层添加新节点
【发布时间】：2017-10-06 17:11:44
【问题描述】：

我想在输出层添加新节点以便稍后训练它，我正在做：

def add_outputs(self, n_new_outputs):
    out = self.model.get_layer('fc8').output
    last_layer = self.model.get_layer('fc7').output
    out2 = Dense(n_new_outputs, activation='softmax', name='fc9')(last_layer)
    output = merge([out, out2], mode='concat')
    self.model = Model(input=self.model.input, output=output)

其中'fc7'是输出层'fc8'之前的全连接层。我希望只有最后一层带有out = self.model.get_layer('fc8').output，但输出是所有模型。有没有办法只从网络中获取一层？也许还有其他更简单的方法来做到这一点......

谢谢！！！！

【问题讨论】：

标签： python-3.x neural-network deep-learning keras keras-layer

【解决方案1】：

终于找到了解决办法：

1) 从最后一层获取权重

2) 将零添加到权重并随机初始化它的连接

3) 弹出输出层并新建一个

4) 为新层设置新的权重

这里是代码：

 def add_outputs(self, n_new_outputs):
        #Increment the number of outputs
        self.n_outputs += n_new_outputs
        weights = self.model.get_layer('fc8').get_weights()
        #Adding new weights, weights will be 0 and the connections random
        shape = weights[0].shape[0]
        weights[1] = np.concatenate((weights[1], np.zeros(n_new_outputs)), axis=0)
        weights[0] = np.concatenate((weights[0], -0.0001 * np.random.random_sample((shape, n_new_outputs)) + 0.0001), axis=1)
        #Deleting the old output layer
        self.model.layers.pop()
        last_layer = self.model.get_layer('batchnormalization_1').output
        #New output layer
        out = Dense(self.n_outputs, activation='softmax', name='fc8')(last_layer)
        self.model = Model(input=self.model.input, output=out)
        #set weights to the layer
        self.model.get_layer('fc8').set_weights(weights)
        print(weights[0])

【讨论】：