从 CNN 层获取过滤器值答案

【问题标题】：Getting the filters values from CNN layers从 CNN 层获取过滤器值
【发布时间】：2019-08-16 08:26:42
【问题描述】：

我有以下型号（例如）

input_img = Input(shape=(224,224,1)) # size of the input image
x = Conv2D(64, (3, 3), strides=(1, 1), activation='relu', padding='same')(input_img)

我的自动编码器模型中有好几层这样的层。我对第一层的过滤器特别感兴趣。有 64 个过滤器，每个大小为 3x3。

为了获取过滤器，我尝试使用以下代码：

x.layers[0].get_weights()[0]

但我收到如下错误：

AttributeError                            Traceback (most recent call last)
<ipython-input-166-96506292d6d7> in <module>()
      4 x = Conv2D(64, (3, 3), strides=(1, 1), activation='relu', padding='same')(input_img)
      5 
----> 6 x.layers[0].get_weights()[0]

AttributeError: 'Tensor' object has no attribute 'layers'

我没有使用顺序模型。在几个这样的层之后，我的模型将使用以下命令形成。

 model = Model()

我是 CNN 的新手，我什至不知道 get_weights 函数是否可以帮助我获得过滤器值。如何获取过滤器的值？

【问题讨论】：

标签： python tensorflow conv-neural-network keras-layer autoencoder

【解决方案1】：

目前，您的代码正在对层定义本身调用layers 函数。

首先需要编译模型，然后可以使用模型上的layers函数来检索特定层的权重。

在你的情况下：

weights = model.layers[1].get_weights()

将为您提供第一个卷积层的权重集

编译模型后可以使用的：

model = Model(inputs=input_img, output=b)

b 指的是模型中的最后一层。

【讨论】：

卷积层可以通过 get_weights 调用中的索引 [1] 访问，因为第一个元素现在将是您的输入层
它给了我一个错误 IndexError: list index out of range。另外，我想在第一层获取过滤器以在这些过滤器上应用几何平移。我认为编译后这是不可能的。你怎么看？
正如评论中提到的，在输入层上调用函数会给你这个错误，因为输入层没有权重。
不确定我是否理解您评论的第二部分。您是否尝试在模型中创建一个层，该层是第一个卷积层的“几何平移”（您必须澄清这一点）？你确实意识到模型最初是用随机权重编译的，首先需要训练？因为我认为没有理由将转换应用于包含随机权重的过滤器
我是在按照您在答案中显示的相同方式编译模型后完成的，但仍然出现错误。