在 Keras 中保存模型权重：什么是模型权重？答案

【问题标题】：Saving model weights in Keras: what is model weights?在 Keras 中保存模型权重：什么是模型权重？
【发布时间】：2019-05-20 18:16:39
【问题描述】：

我通过 Keras 创建了一个用于图像识别的深度学习模型，并将模型权重保存为 model.save_weights('weights.h5')。另外，我加载了它并再次使用了权重。

我知道model.save_weights() 保存了模型权重。我的问题是模型权重是多少？是过滤器的权重吗？

【问题讨论】：

标签： tensorflow keras neural-network deep-learning conv-neural-network

【解决方案1】：

模型权重是模型的所有参数（包括可训练的和不可训练的），而这些参数又是模型层中使用的所有参数。是的，对于一个卷积层，它既是过滤器权重，也是偏差。

实际上，您可以看到每一层的它们：尝试model.layers[layer_index].get_weights()，您将获得该层的权重。当您调用save_weights() 时，实际上它是在文件中存储的每个层上调用的get_weights() 的输出。

例如对于卷积层，get_weights() 方法将返回一个包含两个元素的列表，这两个元素对应于过滤器权重和偏差。这是一个例子：

model = Sequential()
model.add(Conv2D(5, (3,3), input_shape=(100, 100, 3)))

filters, biases = model.layers[0].get_weights()

>>> filters.shape
(3, 3, 3, 5)  <--- 5 filters of shape (3, 3, 3)

>>> biases.shape
(5,)    <--- one bias parameter for each filter

>>> filters[:, :, :, 0]   # get the first filter's weights
array([[[-0.26788074, -0.20213448,  0.06233829],
    [ 0.08651951,  0.21303588,  0.08127764],
    [ 0.04672694, -0.24589485, -0.12873489]],

   [[ 0.10841686,  0.24839908, -0.07466605],
    [-0.26903206, -0.0341135 ,  0.15083215],
    [-0.07382561, -0.00576964, -0.25354072]],

   [[-0.02937067,  0.22315139, -0.12964793],
    [ 0.23371089,  0.19973844, -0.00728002],
    [-0.2748396 , -0.02097657,  0.22772402]]], dtype=float32)

【讨论】：