如何在 Keras 中的模型之前获得密集层的权重（内核）？

Question

import numpy as np
from keras import backend as K
from keras.datasets import mnist
from keras.models import Model
from keras.layers import Dense, Input
import matplotlib.pyplot as plt

# download the mnist to the path 
# X shape (60,000 28x28), y shape (10,000, )
(x_train, _), (x_test, y_test) = mnist.load_data()

# data pre-processing
x_train = x_train.astype('float32') / 255. - 0.5       # minmax_normalized
x_test = x_test.astype('float32') / 255. - 0.5         # minmax_normalized
x_train = x_train.reshape((x_train.shape[0], -1))
x_test = x_test.reshape((x_test.shape[0], -1))


# in order to plot in a 2D figure
encoding_dim = 2

# this is our input placeholder
input_img = Input(shape=(784,))


# encoder layers
encoder = Dense(2, activation='relu')(input_img)

# decoder layers
decoder = Dense(784, activation='relu')(encoder)`

我想知道如何在keras 中获得Model 之前的Dense 层的权重（例如Dense_2 的内核）？

如果我运行：autoencoder = Model(input=input_img,output=decoder)，然后运行autoencoder.get_layer('dense_2').kernel，我可以获得内核。但是，我想将内核设置为输出之一。所以，我必须在Model 之前得到内核。

我想得到kernel，因为它将被设置为损失函数的一部分，例如loss2=tf.square(kernel' * kernel, axis=-1)。所以我必须在运行Model 之前获得kernel。

我该怎么做？

谢谢！

Answer 1

我认为您的意思是您需要将中间层之一作为输出之一。 在您的情况下，您可以通过以下方式更改模型创建：

autoencoder = Model(input=input_img,output=[encoder,decoder])

您甚至可以为这两个输出中的每一个定义不同的损失！