【发布时间】：2017-02-28 14:02:36
【问题描述】：
我想将预训练的 caffe 模型转换为 keras，然后我需要逐层初始化图层。 我将权重和偏差保存在一个 mat 文件中，并将它们加载到 python 工作区。 我知道“权重”参数获取 numpy 数组但不知道如何？ 谢谢
【问题讨论】：
-
@maz 很有用
标签： initialization keras convolution
【发布时间】：2017-02-28 14:02:36
【问题描述】：
您可以在Keras Layers Documentation 中获取有关如何设置模型权重的更多信息。基本上你使用：
layer.set_weights(weights)：从 Numpy 数组列表中设置层的权重（与get_weights的输出形状相同）。
或者您可以在创建图层时直接初始化它们。每个层都有一个参数weights，您可以使用 numpy 数组进行设置。阅读each layer's documentation 以提供正确的权重格式。例如，Dense() 层接受参数weights 的这种格式：
设置为初始权重的 Numpy 数组列表。该列表应该有 2 个元素，形状 (input_dim, output_dim) 和 (output_dim,) 分别用于权重和偏差。 source
【讨论】：
-
有没有办法使用 keras 初始化器来构造一个 numpy 数组？例如。
glorot_uniform()(shape) -> ndarray([...]) -
@BallpointBen 你找到解决方案了吗？似乎是个问题：stackoverflow.com/questions/56190405/…