如何在Keras序列模型中提取偏差权重？

Question

我正在使用Keras运行一个简单的前馈网络.只有一个隐藏层我想对每个输入与每个输出的相关性做一些推断,我想提取权重.

这是模型:

def build_model(input_dim, output_dim):
    n_output_layer_1 = 150
    n_output = output_dim
    model = Sequential()
    model.add(Dense(n_output_layer_1, input_dim=input_dim, activation='relu'))
    model.add(Dropout(0.25))
    model.add(Dense(n_output))

为了提取我写的重量:

for layer in model.layers:
    weights = layer.get_weights() 


weights = np.array(weights[0])     #this is hidden to output
first = model.layers[0].get_weights() #input to hidden
first = np.array(first[0])

不幸的是,我没有得到矩阵中的偏差列,我知道Keras会自动插入它.

你知道如何检索偏差权重吗？

预先感谢您的帮助 !

Answer 1

密集图层的get_weights()返回两个元素的列表,第一个元素包含权重,第二个元素包含偏差.所以你可以简单地做:

weights = model.layers[0].get_weights()[0]
biases = model.layers[0].get_weights()[1]

请注意,权重和偏差已经是numpy数组.