与keras中神经网络的权重倾倒混淆

Question

我创建了一个简单的 2 层网络，一个隐藏层。我正在转储中间层的权重，以可视化隐藏神经元正在学习的内容。 我正在使用

weights = model.layers[0].get_weights() 

当我查看我得到的权重结构时：

所以len(weights) = 2、len(weights[0]) = 500、len(weights[1]) = 100。

我想创建一个大小为(500,100) 的数组m，这样m.shape = (500,100)。 我尝试了numpy.reshape(weights, 500, 100)、zip(weights[0], weights[1])，然后，偶然地，我写了numpy.array(weights[0])，然后返回形状(500,100)。

谁能解释一下原因？

Answer 1

Keras 张量的工作方式不同，它们是 n 维列表。为了说明这个概念，请考虑以下列表：

>>> list=[[[1,2,3],[1,2,3],[1,2,3],[1,2,3],[1,2,3]],[1,2,3]]

这里，列表中的第一个元素包含n个长度的元素，第二个列表也可以是n个长度的元素。当你这样做时：

>>> len(list)

输出是：

2( which is 2 in your case)

还有，

>>> len(list[0])

5(which is 500 in your case)

>>> len(list[1])

3(which is 100 in your case)

但是当你尝试转换为数组时：

>>> np.array(list[0]).shape

答案是：

(5, 3) (which is 500,100 in your case)

这是因为您的 list[0] 中有一个长度为 n 的列表元素（在您的情况下为 weights[0]）。所以当我要求你回来时

len(weights[0][0]) 

它返回：

100

因为它在该列表中包含 100 个长度元素和 500 个这样的元素。现在，如果您想知道每 100 个值是什么意思，那么它们是连接的对应权重，即

weights[0][0] = weights between first input to all 100 hidden neurons