keras：使用 get_weights 函数提取权重

Question

我想提取一维 CNN 层的权重，并了解如何准确计算预测值。我无法使用get_weights() 函数的权重重新生成预测值。

为了说明我的理解，这里有一个小数据集。

n_filter = 64
kernel_size = 10
len_timeseries = 123
n_feature = 3
X = np.random.random(sample_size*len_timeseries*n_feature).reshape(sample_size,len_timeseries,n_feature)
y = np.random.random(sample_size*(len_timeseries-kernel_size+1)*n_filter).reshape(sample_size,
                                                                                  (len_timeseries-kernel_size+1),
                                                                                  n_filter)

现在，创建一个简单的 1d CNN 模型：

model = Sequential()
model.add(Conv1D(n_filter,kernel_size,
                 input_shape=(len_timeseries,n_feature)))
model.compile(loss="mse",optimizer="adam")

拟合模型并将X的值预测为：

model.fit(X,y,nb_epoch=1)
y_pred = model.predict(X)

y_pred 的维度应该是(1000, 114, 64)。

现在，我想使用存储在model.layer 中的权重重现y_pred[irow,0,ilayer]] 的值。因为只有单层，len(model.layer)=1。所以我从第一层和唯一的层中提取权重：

weight = model.layers[0].get_weights()
print(len(weight))
> 2 
weight0 = np.array(weight[0])
print(weight0.shape)
> (10, 1, 3, 64)
weight1 = np.array(weight[1])
print(weight1.shape)
> (64,)

权重的长度为 2，我假设第 0 个位置包含特征的权重，第 1 个位置包含偏差。 作为weight0.shape=(kernel_size,1,n_feature,n_filter)，我认为我可以通过以下方式获取y_pred[irow,0,ilayer]的值：

ifilter = 0
irow = 0
y_pred_by_hand = weight1[ifilter] + np.sum( weight0[:,0,:,ifilter] * X[irow,:kernel_size,:])
y_pred_by_hand
> 0.5124888777

但是，这个值与y_pred[irow,0,ifilter] 完全不同：

 y_pred[irow,0,ifilter]
 >0.408206

请告诉我哪里出错了。

Answer 1

您在这里误解了weights 属性。您正在寻找的是层的output 属性，它是model.predict 给出的结果。这可以通过layer.output 获得。通常，Layer 被输入一个输入张量，并由 weights 矩阵作用，这取决于所使用的层的类型。该计算给出了您正在寻找的输出张量。

例如考虑一个简单的 Dense 层，输入张量 A 的形状为 (1,3)，输出 sigmoid 层发出张量 B (1,1) 和权重矩阵 W。W 的形状是根据输入和输出形状。因此，在这种情况下，密集层会执行A matmul W，其结果将是预测 B。W 的形状将仅确定为 (3,1)，这可能导致输出形状为 (1,1)。因此，您正在寻找的是 B，但是您正在尝试访问 W。