为神经网络单独设置起始权重答案

【问题标题】：Set starting weights individually for neural network为神经网络单独设置起始权重
【发布时间】：2021-07-08 17:59:30
【问题描述】：

我有一个简单的前馈神经网络，由 8 个输入神经元组成，然后是 2 个隐藏层，每个隐藏层有 6 个隐藏神经元，1 个输出层由 1 个输出神经元组成。

Keras 代码是：

model = Sequential()

model.add(Dense(6, input_dim = 8, activation='tanh')
model.add(Dense(6, activation='tanh'))
model.add(Dense(1, activation='tanh'))

问题：

由于我知道 8 个输入参数中哪一个对单个输出的影响最大，我可以将它们的起始权重设置为相对于其他输入参数更高的值。如果这可能会显着减少训练时间（如果我没记错的话）。

【问题讨论】：

需要更多关注这个问题目前包含多个问题。它应该只关注一个问题。 我将此问题标记为已关闭。一个问题不应像您那样包含多个问题（问题 a 和问题 b）。如果您在stackoverflow stackoverflow.com/questions/ask 中提出多个问题会更好。如果您阅读有关flagging meta.stackoverflow.com/a/396761/13146129 的内容，您会很清楚
@Istiak：现在只问了一个问题。

标签： python tensorflow keras neural-network

【解决方案1】：

# reading the initial weights and bias of the input layer
layer_1 = (model.layers)[0]

# reading the initial weights of the input layer
w_1 = layer_1.get_weights()[0]

# setting weights for nth parameter of the input layer to a modified value val
w_1[n, :] = val

# setting the modified weights and unmodified bias of the input layer 
layer_1.set_weights([w_1, layer_1.get_weights()[1]])

# writing layer_1 to model
(model.layers)[0] = layer_1

【讨论】：